Ukuran Akurasi Klasifikasi Penyakit Mesothelioma Menggunakan Algoritma K-Nearest Neighbor dan Backward Elimination

Maxsi Ary; Dyah Ayu Feby Rismiati

doi:10.33372/stn.v5i1.444

Maxsi Ary Universitas Bina Sarana Informatika
Dyah Ayu Feby Rismiati Universitas Bina Sarana Informatika

DOI: https://doi.org/10.33372/stn.v5i1.444

Keywords: measure the level of accuracy, mesothelioma disease, K-Nearest Neighbor algorithms, Backward Elimination,

Abstract

Tujuan dari penelitian ini adalah mengukur tingkat akurasi hasil klasifikasi objek menggunakan algoritma K-Nearest Neighbor dan Backward Elimination. Pengukuran tingkat akurasi diperlukan untuk menentukan tindakan selanjutnya, misalnya dalam menentukan deteksi awal suatu penyakit mesothelioma. Mesothelioma adalah kanker langka yang mempengaruhi dinding sel tipis dari organ dan struktur internal tubuh manusia yang dapat ditemukan di pleura, peritoneum, dan jantung. Pengklasifikasian suatu objek dapat digunakan dengan beberapa metode. Proses klasifikasi data dari suatu objek dapat mempermudah dalam menentukan tindakan selanjutnya. Nilai akurasi pengukuran algoritma K-Nearest Neighbor digunakan sebagai nilai awal penentuan tingkat akurasi setelah dilakukan seleksi fitur backward elimination. Algoritma K-Nearest Neighbor digunakan untuk klasifikasi pada objek. Backward Elimination digunakan untuk memilih atribut yang paling relevan pada proses klasifikasi. Proses seleksi fitur menggunakan Backward Elimination dilakukan bersamaan dengan proses pemodelan menggunakan K-Nearest Neighbor untuk menemukan subset fitur (set atribut) yang paling relevan. Objek penelitian diperoleh dari machine learning repository dengan nama dataset penyakit mesothelioma. Transformasi data dikelompokkan kedalam data training dan data testing. Hasil yang menarik pada penelitian adalah nilai tingkat akurasi lebih besar dari nilai awal dan set atribut terbaik setelah dilakukan seleksi fitur backward elimination.

References

Adinugroho, S., & Sari, Y. A. (2018). Implementasi Data Mining Menggunakan Weka. Malang: UB Press.

Bahri, R. S., & Maliki, I. (2012). Feature Extraction Pada Optical Character Recognition. Jurnal Komputer dan Informatika (Komputa), 29-35.

Bode, A. (2017). K-Nearest Neighbor Dengan Feature Selection Menggunakan Backward Elimination Untuk Prediksi Harga Komoditi Kopi Arabika. ILKOM, 188-195.

Er., O. C., & Temurtas, F. (2012). An Approach Based On Probabilistic Neural Network For Diagnosis Of Mesothelioma's Disease. Computer and Electrical Engineering, 75-81.

Faisal, M. R. (2017). Seri Belajar Data Science Klasifikasi dengan Bahasa Pemrograman R. Indonesia: Net Developer Community.

Huda, N. M. (2010). Aplikasi Data Mining Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa. Semarang: Universiatas Diponegoro.

Jumadi, & Winarko, E. (2015). Penggunaan Knn (K-Nearst Neighbor) Untuk Klasifikasi Teks Berita yang Tak-Terkelompokkan Pada Saat Pengklasteran Oleh Stc (Suffix Tree Clustering). Jurnal ISTEK, IX(1), 50-81.

Khan, S. N., Sikandar, G., Anwar, S., & Khan, M. T. (2018). Classification of Malignant Mesothelioma Cancer Using Support Vector Machine. 2018 International Conference on Computing, Mathematics and Engineering Technologies (iCoMET) (pp. 12-16). Sukkur Sindh, Pakistan: Sukkur IBA University.

Khan, S. N., Sikander, G., Anwar, S., & Khan, M. T. (2018). Classification Of Mesothelioma Cancer Using Support Vectore Machine. 12-16.

Marianti. (2018, November 6). alodokter. Retrieved Februari 21, 2019, from Mesothelioma: https://www.alodokter.com/mesothelioma

Molinari, L. (2019). Mesothelioma.com. Retrieved Februari 21, 2019, from Pleural Mesothelioma: https://www.mesothelioma.com/mesothelioma/types/pleural.htm

Nilashi, M., Roudbaraki, M. Z., Farahmand, M., Branch, L., & Branch, A. (2017). A Predictive Method For Mesothelioma Disease Classification Using Naive Bayes Classifier. Journal of Soft Computing, 8-14.

Nofriansyah, D. (2014). Konsep Data Mining Vs Sistem Pendukung Keputusan. Yogyakarta: Deepubish.

Prasetyo, E. (2014). Data Mining - Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta: Penerbit ANDI.

Sonatha, Y. (2013). Churn Prediction Pelanggan Menggunakan Crisp-DM. Jurnal Ilmiah Elektron, 53-62.

Sulaehani, R. (2016). Prediksi Keputusan Klien Telemarketing untuk Deposito Pada Bank Menggunakan Algoritma Naive Bayes Berbasis Backward Elimination. Jurnal Ilmiah ILKOM, 182-189.

Tutuncu, K., & Cataltas, O. (2017). Intelligent Systems and Applications in Engineering Diagnosis of Mesothelioma Disease Using Different Classification Techniques. Intelligent Systems and Applications in Engineering, 7-11.

Widodo, P., Handayanto, R. T., & Herlawati. (2013). Penerapan Data Mining Dengan Matlab. Bandung: Penerbit Rekayasa Sains.

Yunita. (2017). Seleksi Fitur Menggunakan Backward Elimination Pada Prediksi Cuaca Dengan Neural Network. Indonesia Journal on Computer and Information Tchnology (IJCIT), 26-37.

Zervos, M. D., Bizekis, C., & Pass, H. I. (2008). Malignant Mesothelioma 2008. Current Opinion in Pulmonary Medicine, 303-309.