Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 3

MODEL KLASIFIKASI KANKER PAYUDARA BERDASARKAN STATUS KEGANASAN MENGGUNAKAN ALGORTIMA RANDOM FOREST DAN DECISION TREE

SemanTIK: Teknik Informasi · Vol. 8 No. 2 (2022) · hlm. 167–174

DOI
10.55679/semantik.v8i2.28239
ISSN
2502-8928, 2460-1446
Terbit
2022-12-31
Penerbit
Informatics Engineering Department of Halu Oleo University
Bahasa
eng
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Kanker payudara merupakan penyumbang kematian tertinggi di kalangan perempuan. penelitian ini bertujuan untuk membuat model aplikasi yang dapat menganalisis klasifikasi kanker payudara berdasarkan status keganasan (jinak atau ganas) menggunakan metode data mining dengan algoritma random forest dan decision tree. Data yang digunakan dalam penelitian ini diambil dari Breast Cancer Wisconsin (Diagnostic) Data Set di Kaggle.com, yang terdiri dari 31 variabel dan 569 data. Data tersebut dibagi menjadi data training dan data test, kemudian diuji menggunakan algoritma random forest dan decision tree. Hasilnya, algoritma decision tree memiliki tingkat akurasi sebesar 95%, sedangkan algoritma random forest memiliki tingkat akurasi sebesar 97%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kedua algoritma tersebut dapat digunakan untuk melakukan klasifikasi kanker payudara berdasarkan tingkat keganasannya dan algoritma random forest memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan decision tree yaitu 97% versus 95%.Kata kunci; Kanker Payudara, Random Forest, Decision Tree

Jaringan kolaborasi para penulis

31 penulis · 68 tautan kepenulisan bersama · 36 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Sekolah Tinggi Ilmu Kesehatan Tamalatea Makassar
  • Universitas Jenderal Achmad Yani Yogyakarta
  • Universitas Halu Oleo
  • National Research and Innovation Agency
  • Sriwijaya University
  • Universitas Mega Buana Palopo
  • Sekolah Tinggi Agama Islam Negeri Majene
  • Organisasi lain
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Andi MisnawatiUniversitas Mega Buana Palopo2
Muhamad MuhdarMulawarman University1
Mohamad NasirRadboud University Nijmegen1
Syafruddin SyarifHasanuddin University1
Yuyun YuyunUniversitas Handayani Makassar1
Latief SahidinUniversitas Halu Oleo1
Lambertus LambertusUniversitas Halu Oleo1
Kadir KadirUniversitas Halu Oleo1
Rahmawati AzisSekolah Tinggi Ilmu Kesehatan Tamalatea Makassar1
Nur Awaluddin SyamAfiliasi tidak diketahui1
Basman BasmanSekolah Tinggi Agama Islam Negeri Majene1
St. AflahahNational Research and Innovation Agency1
Sitti ArafahNational Research and Innovation Agency1
Khaerun NisaNational Research and Innovation Agency1
Ahmad Ridhai AzisSekolah Tinggi Agama Islam Negeri Majene1
Yasir YasirAfiliasi tidak diketahui1
Yulidar YulidarAfiliasi tidak diketahui1
Veny WilyaAfiliasi tidak diketahui1
Ida SriyantiSriwijaya University1
Hamdi AkhsanSriwijaya University1
İsmet İsmetSriwijaya University1
Tri SunarsihUniversitas Jenderal Achmad Yani Yogyakarta1
Nendhi Wahyunia UtamiUniversitas Jenderal Achmad Yani Yogyakarta1
Endah Puji AstutiUniversitas Jenderal Achmad Yani Yogyakarta1
Elvika Fit Ari ShantiUniversitas Jenderal Achmad Yani Yogyakarta1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://ojs.uho.ac.id/index.php/semantik/oai, pertama di-harvest 1 Nov 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (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-US">MODEL KLASIFIKASI KANKER PAYUDARA BERDASARKAN STATUS KEGANASAN MENGGUNAKAN ALGORTIMA RANDOM FOREST DAN DECISION TREE</dc:title>
	<dc:creator>Kasau, Sukirno</dc:creator>
	<dc:creator>Mirza Togubu, Diana</dc:creator>
	<dc:creator>Hasmah, Hasmah</dc:creator>
	<dc:creator>Nur, Muh. Ilyas</dc:creator>
	<dc:creator>Rosdiana, Rosdiana</dc:creator>
	<dc:creator>Sandrawati, Sandrawati</dc:creator>
	<dc:subject xml:lang="en-US"></dc:subject>
	<dc:description xml:lang="en-US">Kanker payudara merupakan penyumbang kematian tertinggi di kalangan perempuan. penelitian ini bertujuan untuk membuat model aplikasi yang dapat menganalisis klasifikasi kanker payudara berdasarkan status keganasan (jinak atau ganas) menggunakan metode data mining dengan algoritma random forest dan decision tree. Data yang digunakan dalam penelitian ini diambil dari Breast Cancer Wisconsin (Diagnostic) Data Set di Kaggle.com, yang terdiri dari 31 variabel dan 569 data. Data tersebut dibagi menjadi data training dan data test, kemudian diuji menggunakan algoritma random forest dan decision tree. Hasilnya, algoritma decision tree memiliki tingkat akurasi sebesar 95%, sedangkan algoritma random forest memiliki tingkat akurasi sebesar 97%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kedua algoritma tersebut dapat digunakan untuk melakukan klasifikasi kanker payudara berdasarkan tingkat keganasannya dan algoritma random forest memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan decision tree yaitu 97% versus 95%.Kata kunci; Kanker Payudara, Random Forest, Decision Tree</dc:description>
	<dc:publisher xml:lang="en-US">Informatics Engineering Department of Halu Oleo University</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2022-12-31</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-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs.uho.ac.id/index.php/semantik/article/view/28239</dc:identifier>
	<dc:identifier>10.55679/semantik.v8i2.28239</dc:identifier>
	<dc:source xml:lang="en-US">SemanTIK : Teknik Informasi; Vol 8, No 2 (2022): SemanTIK : Teknik Informasi; 167-174</dc:source>
	<dc:source>2502-8928</dc:source>
	<dc:source>2460-1446</dc:source>
	<dc:source>10.55679/semantik.v8i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs.uho.ac.id/index.php/semantik/article/view/28239/pdf</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 semanTIK</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>