Melola Discovery

← Melola Discovery

Jurnal SINTA 2

PENERAPAN SISTEM DATA MINING UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN CLASSIFICATION BASED ON ASSOCIATION ALGORITHM

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 8 No. 2 (2010) · pp. 1–10

DOI
10.12962/j24068535.v8i2.a312
ISSN
2406-8535, 1412-6389
Published
2010-07-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Aplikasi system data mining untuk mengidentifikasi atribut-atribut penting yang berguna membantu pengambilan keputusan dari basis data rumah sakit akan dibahas dalam paper ini. Data-data medis pasien yang beresiko menderita penyakit kanker payudara dimasukkan ke dalam data warehouse. Metodologi model klasifikasi didasarkan pada tiga tahapan, yaitu a) menangani data yang tidak lengkap melalui ekstraksi, b) merubah data yang bernilai kontinyu menjadi data yang bernilai diskrit serta c) rule mining dan klasifikasi. Algoritma yang digunakan untuk proses data mining adalah Classification Based on Predictive Association Rule (CPAR). Pada tahapan diskritisasi, terdapat masalah yang dikenal dengan istilah "sharp boundary". Paper ini mengusulkan proses optimalisasi menggunakan soft discretization, di mana fuzzy logic digunakan untuk mempartisi data. Ada 2.767 pasien yang terpilih, masing-masing diambil 8 atribut: sex, umur dan hasil pemeriksaan laboratorium yaitu Hemoglobin (HB), Lekosit (Leko), Trombosit (Tromb), Hemotokrit (HCT), Red blood cell distribution width (RDW) dan RDW-SD. Tingkat akurasi maksimum untuk positif kanker payudara adalah 67% dan negatif kanker payudara 97%.

Collaboration network of the authors

19 authors · 34 co-authorship links · 4 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Indonesia
  • RWTH Aachen University
  • University of Auckland
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Edward CitrahadiAffiliation unknown1
Tieta AntarestiUniversity of Indonesia1
Vina AyumiUniversity of Indonesia1
L. M. Rasdi RereUniversity of Indonesia1
Mohamad Ivan FananyUniversity of Indonesia1
Yohanes GultomUniversity of Indonesia1
Rian Josua MasikomeRWTH Aachen University1
Muhamad SolehUniversity of Indonesia1
Sesa WigunaUniversity of Auckland1
Yuni ArtiUniversity of Indonesia1
Hans Timothy WijayaUniversity of Indonesia1
Juan Thomas WijayaUniversity of Indonesia1
Yohanes Fridolin HestrioUniversity of Indonesia1
Bayu Satria PersadaUniversity of Indonesia1
Frederic Morado SaragihUniversity of Indonesia1
Muhammad Yusuf KardawiUniversity of Indonesia1
Wisnu Aryo JatmikoUniversity of Indonesia1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">PENERAPAN SISTEM DATA MINING UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN CLASSIFICATION BASED ON ASSOCIATION ALGORITHM</dc:title>
	<dc:creator xml:lang="en">Herwanto, Herwanto</dc:creator>
	<dc:creator xml:lang="en">Arymurthy, Aniati Murni</dc:creator>
	<dc:description xml:lang="en">Aplikasi system data mining untuk mengidentifikasi atribut-atribut penting yang berguna membantu pengambilan keputusan dari basis data rumah sakit akan dibahas dalam paper ini. Data-data medis pasien yang beresiko menderita penyakit kanker payudara dimasukkan ke dalam data warehouse. Metodologi model klasifikasi didasarkan pada tiga tahapan, yaitu a) menangani data yang tidak lengkap melalui ekstraksi, b) merubah data yang bernilai kontinyu menjadi data yang bernilai diskrit serta c) rule mining dan klasifikasi. Algoritma yang digunakan untuk proses data mining adalah Classification Based on Predictive Association Rule (CPAR). Pada tahapan diskritisasi, terdapat masalah yang dikenal dengan istilah "sharp boundary". Paper ini mengusulkan proses optimalisasi menggunakan soft discretization, di mana fuzzy logic digunakan untuk mempartisi data. Ada 2.767 pasien yang terpilih, masing-masing diambil 8 atribut: sex, umur dan hasil pemeriksaan laboratorium yaitu Hemoglobin (HB), Lekosit (Leko), Trombosit (Tromb), Hemotokrit (HCT), Red blood cell distribution width (RDW) dan RDW-SD. Tingkat akurasi maksimum untuk positif kanker payudara adalah 67% dan negatif kanker payudara 97%.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2010-07-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/312</dc:identifier>
	<dc:identifier>10.12962/j24068535.v8i2.a312</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 8, No 2, Juli 2010; 1-10</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v8i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/312/259</dc:relation>
</oai_dc:dc>