PENGARUH PEMBOBOTAN FITUR MENGGUNAKAN INFORMATION GAIN TERHADAP PREDIKSI TINGKAT KEGANASAN KANKER PAYUDARA

Back
TitlePENGARUH PEMBOBOTAN FITUR MENGGUNAKAN INFORMATION GAIN TERHADAP PREDIKSI TINGKAT KEGANASAN KANKER PAYUDARA
AuthorMuhammad Faris Faisal
AbstractKanker 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.
KeywordsPembobotan Fitur,Information Gain, Kanker Payudara
Document
DownloadDownload File
Issn2302-2709
Doi-
Viewed270
Created At13 Agu 2020 12.53.53