PENGARUH PEMBOBOTAN FITUR MENGGUNAKAN INFORMATION GAIN TERHADAP PREDIKSI TINGKAT KEGANASAN KANKER PAYUDARA
Title | PENGARUH PEMBOBOTAN FITUR MENGGUNAKAN INFORMATION GAIN TERHADAP PREDIKSI TINGKAT KEGANASAN KANKER PAYUDARA |
---|---|
Author | Muhammad Faris Faisal |
Abstract | Kanker payudara merupakan salah satu penyebab kematian wanita terbesar didunia. Kanker payudara itu sendiri merupakan sel tumor yang terbentuk pada jaringan payudara. Salah satu upaya pencegahannya adalah dengan melakuakan diagnosa terhadap kanker tersebut. Dalam melakuakan diagnosa kanker payudara dokter ahli pantologi dan anatomi tubuh akan melakuakan pengambilan sampel sel kanker yang akan di uji laboratorium dan dihitung nilai nya, namun terkadang semakin banyaknya atribut yang dihitung dapat mengurangi tingkat akurasi dalam melakukan prediksi tingkat keganasan kanker payudara. Untuk mengatasi hal ini dapat dilakukan dengan data minning dengan metode pembobotan fitur, pembobotan fitur sendiri dapat menghasilkan atribut yang paling berpengaruh dalam melakukan prediksi, dalam penelitian ini kami menggunakna Information Gain untuk melakukan pembobotan fitur. Information Gain merupakan salah satu pembobotan fitur paling sederhana dengan menghitung entropy total dikurangi entropy setiap atribut sehingga dapat diketahui nilai atribut yang paling berpengaruh. Untuk mengimplementasikan penelitian ini obyek yang digunakan adalah data Wisconsin Breast Cancer (WBC) dari UCI Repository data ini berasal dari Dr.William H.Woldberg (1989-1991), University of Winconsin Hospitals Madison, USA. Data ini berjumlah 699 dengan 11 atribut, Software yang akan digunakan adalah Rapid Miner. Tujuan penelitian ini untuk mengetahui pembobotan atribut dengan Information Gain terhadap prediksi tingkat keganasan kanker pada data set WBC. |
Keywords | Pembobotan Fitur,Information Gain, Kanker Payudara |
Document | |
Download | Download File |
Issn | 2302-2709 |
Doi | - |
Viewed | 270 |
Created At | 13 Agu 2020 12.53.53 |