Komparasi Algoritma Klasifikasi Data Mining untuk Memprediksi Tingkat Kematian Dini Kanker dengan Dataset Early Death Cancer

Abstract

Cancer is something big in the world. Cancer is a malignant disease that is difficult to cure if the spread is too wide. However, detecting cancer cells as early as possible can reduce the risk of death. This study aims to predict the level of early detection of disasters in European countries using 5 classification algorithms, namely: Desecion Tree, Naïve Bayes, k-Nearset Neighbor, Random Forest and Neural Network of which algorithm is the best for this study. Tests carried out with several stages of research include: dataset (data contains), initial data processing, proposed method, credit method using 10 times cross validation, test results and t-test different tests. The alpha value is 0.05. if the probability is> 0.05 then H0 is accepted. If the probability is <0.05 then Ho is rejected. The results of the research that obtained performance with an accuracy value of 98.35% were the Neural Network algorithm. Whereas, the results of the research usi ng the algirtic t-test with the best models are: Random Forest algorithm and Neural Network, the relatively good Naïve Bayes algorithm, the Desecion Tree algorithm is quite good and the poor algorithm is the K- Nearset Neighbor (K-NN) algorithm.

Algorithm Comparison and Feature Selection for Classification of Broiler Chicken Harvest

“…Walau dengan menggunakan objek yang sama namun sampel tetap dibagi menjadi 2 yaitu dengan data perlakuan pertama dan data dengan perlakuan yang kedua. Uji beda (T-Test) bekerja dengan cara membandingkan 2 sampel yang berbeda [9]. Sedangkan untuk melihat nilai akurasi dapat dilihat dari hasil Confusion Matrix.…”

Eksplorasi dan Klasifikasi K-NN Terhadap Kejadian Luar Biasa Diare di Jawa Barat

“…Klasifikasi merupakan salah satu metode pengolahan data yang paling sering digunakan. Metode ini digunakan untuk meramalkan kategori dari suatu objek yang belum memiliki label kelasnya berdasarkan pola atau informasi yang ditemukan dalam data [2], [3]. Pada konteks klasifikasi, data yang digunakan dibagi menjadi dua bagian utama yaitu data latih untuk melatih algoritma klasifikasi yang digunakan dan data uji untuk mengetahui kinerja algoritma yang telah dilatih menggunakan data baru yang tidak terdapat dalam data latih [4].…”

Perbandingan Hasil Analisis Clustering Metode K-Means, DBSCAN Dan Hierarchical Pada Data Marketplace Electronic Phone

“…Pada penelitian ini, data mining diterapkan pada data penjualan handphone pada marketplace menggunakan metode clustering. Data mining adalah merupakan suatu proses yang digunakan untuk mengidentifikasi pola dan pengetahuan yang menarik dari sejumlah besar data [5]. Selain itu menggambarkan sekumpulan teknik yang ditujukan untuk mengungkap pola yang tidak diketahui dalam data yang dikumpulkan [6].…”