Text

DIAGNOSA PENYAKIT KANKER PAYUDARA MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA SUPPORT VECTOR MACHINE

---

ABSTRAK
Penyakit kanker payudara merupakan salah satu penyebab kematian
terbanyak bagi wanita. Penyakit ini seringkali tidak dapat terdeteksi
pada tahap awal perkembangannya, tetapi ketika penyakit ini mencapai
fase tertentu dalam perkembangannya baru bisa dirasakan dan diketahui
akan tetapi saat telah dirasakan justru penyakit kanker payudara ini
sudah dalam keadaan yang parah dan sulit untuk disembuhkan. Untuk
memeriksa kesehatan payudara maka harus dilakukan diagnosa.
Diagnosa dilakukan dengan cara memeriksa beberapa indikator yang
dapat menunjukan keadaan kesehatan payudara. Tetapi proses diagnosa
akan sulit dan membutuhkan waktu yang cukup lama karena banyaknya
pasien yang harus didiagnosa. Untuk itu maka akan lebih cepat dalam
mendiagnosa penyakit kanker payudara menggunakan machine
learning karena dapat mengerjakan banyak diagnosa dalam satu waktu.
Machine learning merupakan sebuah perangkat lunak yang dapat
memprediksi suatu nilai dengan cara membandingkannya terhadap data
yang telah diketahui menggunakan algoritma tertentu. Kelebihan dari
machine learning ini adalah meningkatnya tingkat akurasi prediksi jika
sering digunakan. Salah satu algoritma dalam machine learning adalah
support vector machine, algoritma ini mampu mengklasifikasikan suatu
nilai kedalam kelas tertentu. Tingkat akurasi dari algoritma ini pun
sangat tinggi dibandingkan algoritma lainnya. Diharapkan machine
learning dengan algoritma support vector machine ini dapat membantu
mempercepat dalam diagnosa penyakit kanker payudara dengan tingkat
akurasi yang tinggi agar pencegahan sejak dini untuk terhindar dari
penyakit ini dapat dilakukan.
Kata Kunci: Kanker payudara, Diagnosa, Machine Learning,
Support Vector Machine

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

TA/TI/SI/13/2018

Penerbit

Bandung : STMIK IM., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar