<p>PERBANDINGAN METODE <em>DEEP LEARNING </em>DAN <em>MACHINE LEARNING </em>UNTUK KLASIFIKASI (UJI COBA PADA DATA PENYAKIT KANKER PAYUDARA).<strong> </strong>Penyebab kematian utama di seluruh dunia merupakan penyakit kanker, salah satunya adalah kanker payudara. Faktor penentu penyakit tersebut termasuk kategori ganas atau jinak bisa dilihat dari sembilan faktor utama berdasarkan ciri kanker tersebut. Tujuan dari penelitian ini adalah mendapatkan perbandingan metode yang paling akurat terhadap pengklasifikasian penyakit kanker payudara dan melihat selisih nilai <em>mean square error </em>(MSE) dari metode <em>deep learning </em>dan <em>machine learning </em>serta pencocokan hasil klasifikasi kedua metode dengan pernyataan klasifikasi yang sudah ada sehingga didapatkan nilai perbandingan metode yang paling akurat<em>. </em>Data yang digunakan pada penelitian ini diambil dari UCI Edu, dengan data latih sebanyak 546 data dan data uji sebanyak 137 data. Dari proses pengklasifikasian menggunakan FFNN pada <em>machine learning </em>dan RBM pada <em>deep learning, </em>maka dapat dilihat ada empat (2.92%) data kanker payudara pada proses FFNN yang tidak memenuhi <em>class </em>klasifikasi, sedangkan data yang tidak memenuhi <em>class </em>klasifikasi pada proses RBM ada dua (1.46%) data. Dalam kasus klasifikasi penyakit kanker payudara, akurasi metode <em>machine learning </em>lebih kecil dibandingkan dengan akurasi <em>deep learning </em>dan hasil hipotesa menggunakan uji t menunjukkan bahwa nilai signifikansi (2-<em>tailed</em>) lebih kecil dari α = 0.05 yaitu sebesar 8,68844E-16 yang menandakan bahwa <em>deep learning </em>lebih baik dibandingkan <em>machine learning. </em>Dengan akurasi metode <em>machine learning </em>sebesar 97.0803% dan <em>deep learning </em>sebesar 98.5401%. Nilai MSE pada pengklasifikasian menggunakan FFNN adalah sebesar 0.0814, sedangkan pada RBM sebesar 0.0584</p>
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.