PENERAPAN METODE SELEKSI FITUR UNTUK MENINGKATKAN HASIL DIAGNOSIS KANKER PAYUDARA
Abstrak: Tujuan utama
penelitian ini adalah untuk meningkatkan peforma klasifikasi pada diagnosis
kanker payudara dengan menerapkan seleksi fitur pada beberapa algoritme
klasifikasi. Penelitian ini menggunakan database kanker payudara Wisconsin
Breast Cancer Database (WBCD). Metode seleksi fitur F-score dan Rough Set akan
dipasangkan dengan beberapa algoritme klasifikasi yaitu SMO (Sequential Minimal
Optimization), Naive Bayes, Multi layer Perceptron, dan C4.5. Penelitian ini
menggunakan 10 fold cross validation sebagai metode evaluasi. Hasil penelitian
menunjukkan algoritme klasifikasi MLP dan C4.5 mengalami peningkatan peforma
klasifikasi secara signifikan setelah dipasangkan dengan seleksi fitur rough
set dan F-score, Naive Bayes menunjukan peforma terbaik ketika dipasangkan
dengan metode seleksi fitur F-score saja, sedangkan SMO tidak menunjukkan
peningkatan peforma klasifikas ketika dipasangkan pada kedua seleksi fitur.
Penulis: Elvira Sukma Wahyuni
Kode Jurnal: jptmesindd160554