Perbandingan Metode Deep Learning Dan Machine Learning Untuk Klasifikasi (Ujicoba Pada Data Penyakit Kanker Payudara)

Abstract

<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>

Klasifikasi Penyakit Padi Melalui Citra Daun Menggunakan Metode Naive Bayes

“…Selain dari pendekatan machine learning, terdapat metode lain yang dikenal sebagai deep learning, yang terbukti lebih efektif dalam pengenalan citra dibandingkan dengan metode machine learning konvensional. Sebuah penelitian yang dilakukan oleh Yudicy Amelia dan rekan-rekannya pada tahun 2018 melibatkan perbandingan antara kedua metode ini dengan menggunakan dataset penyakit kanker payudara [10]. Hasil dari penelitian tersebut menunjukkan bahwa deep learning memberikan performa yang lebih baik dibandingkan dengan machine learning.Dalam penelitian lainnya, Alex Sander Simbolon dan timnya menyimpulkan bahwa algoritma Convolutional Neural Network (CNN) memberikan hasil terbaik [11].…”

Deteksi kanker payudara menggunakan artificial neurol network pada deep learning

“…Saat ini, terdapat 16,6 % kasus baru yang mencapai 2000 korban jiwa. Banyak penelitian yang telah mengembangkan teknologi untuk deteksi dini dari penyakit ini, dengan harapan dapat mengurangi dampak kematian akibat keterlambatan dalam pendeteksiannya [1], [2], [3], [4], [5], [6].…”

Klasifikasi Citra Penyakit Daun Tanaman Padi Menggunakan CNN dengan Arsitektur VGG-19

“…Selain machine leraning juga terdapat metode lain yaitu deep learning yang lebih baik dalam pengenalan citra dibandingkan machine learning. Penelitian tentang perbandingan kedua metode tersebut telah dilakukan oleh Yudicy Amelia dan kawan-kawan (2018) dengan ujicoba pada data penyakit kanker payudara [10]. Penelitian tersebut menunjukkan bahwa hasil akurasi deep learning lebih tinggi daripada machine learning.…”