PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN LOGISTIC REGRESSION DALAM KLASIFIKASI KANKER PAYUDARA
DOI:
https://doi.org/10.69916/jkbti.v4i1.191Keywords:
data mining, kanker payudara, klasifikasi, logistic regression, SVMAbstract
Kanker payudara memberikan dampak fisik dan dampak psikologis pada pasien. Deteksi dini terhadap kanker payudara dibutuhkan pada pengidap yang berisiko mengidap kanker payudara. Salah satu solusi yang bisa dilakukan untuk deteksi dini penyakit kanker payudara yaitu dengan melakukan klasifikasi menggunakan pendekatan data mining menggunakan algoritma Support Vector Machine (SVM) dan Algoritma Logistik Regresi (ALR) dengan teknik pengujian Precentage Split dan K-Fold Cross Validation. Penelitian ini bertujuan untuk mendapatkan hasil klasifikasi terbaik untuk mendeteksi penyakit kanker payudara dengan membandingkan kedua algoritma tersebut. Hasil Akurasi yang dihasilkan dari penelitian ini yaitu pada algoritma SVM diperoleh 96% pada metode Precentage Split dan 98% pada metode K-Fold Cross Validation. Sementara pada algoritma Logistic Regression didapat hasil akurasi sebesar 96% pada metode Precentage Split dan 97% untuk metode K-Fold Cross Validation. Berdasarkan hasil akurasi, algoritma SVM metode K-Fold Cross Validation merupakan algoritma terbaik dalam mengklasifikasi penyakit kanker payudara. Namun, hasil akurasi dari ALR masih bisa dikatakan sangat baik karena lebih dari 90%.
Downloads
References
J. Ferlay et al., “Global cancer observatory: cancer today,” Lyon Int. agency Res. cancer, vol. 20182020, 2020.
D. Alfiani, M. P. Putri, and W. Widayanti, “Literature Study: Obesitas Sebagai Faktor Risiko Pada Kanker Payudara Triple Negative,” in Bandung Conference Series: Medical Science, 2022, pp. 326–329.
S. M. Bachtiar, Penurunan Intensitas Nyeri Pasien Kanker Payudara dengan Teknik Guided Imagery. Penerbit NEM, 2022.
G. A. T. Dewi and L. Y. Hendrati, “Breast Cancer Risk Analysis by the Use of Hormonal Contraceptives and Age of Menarche,” J. Berk. Epidemiol., vol. 3, no. 1, p. 12, 2016, doi: 10.20473/jbe.v3i12015.12-23.
Kemenkes, “Kanker Payudara Paling Banyak di Indonesia, Kemenkes Targetkan Pemerataan Layanan Kesehatan.”
R. Selvan, B. Pepin, C. Igel, G. Samuel, and E. B. Dam, “Equity through Access: A Case for Small-scale Deep Learning,” arXiv Prepr. arXiv2403.12562, 2024.
S. Syam et al., Data mining: Teori dan Penerapannya dalam Berbagai Bidang. PT. Sonpedia Publishing Indonesia, 2024.
M. M. Islam, A. Rahaman, and M. R. Islam, “Development of Smart Healthcare Monitoring System in IoT Environment,” SN Comput. Sci., vol. 1, pp. 1–11, 2020.
Yuli Mardi, “Data mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2019.
F. Rahutomo, P. Y. Saputra, and M. A. Fidyawan, “Implementasi Twitter Sentiment Analysis Untuk Review Film Menggunakan Algoritma Support Vector Machine,” J. Inform. Polinema, vol. 4, no. 2, p. 93, 2018, doi: 10.33795/jip.v4i2.152.
D. Kurniawan and D. C. Supriyanto, “Optimasi Algoritma Support Vector Machine (SVM) Menggunakan Adaboost Untuk Penilaian Risiko Kredit,” J. Teknol. Inf., vol. 9, no. 1, pp. 1414–9999, 2013.
H. Amalia, “Perbandingan Metode Data mining SVM Dan NN Untuk Klasifikasi Penyakit Ginjal Kronis,” J. Pilar Nusa Mandiri, vol. 14, no. 1, p. 1, 2018.
H. Apriyani and K. Kurniati, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus,” J. Inf. Technol. Ampera, vol. 1, no. 3, pp. 133–143, 2020, doi: 10.51519/journalita.volume1.isssue3.year2020.page133-143.
Dian Prajarini, “Perbandingan Algoritma Klasifikasi Data mining Untuk Prediksi Penyakit Kulit,” Informatics J., vol. 15, no. 3, pp. 1–5, 2021.
Trivusi, “Penjelasan Lengkap Algoritma Support Vector Machine (SVM).”
AWS, “Apa itu regresi logistik?,” 2023.
A. P. Wicaksono, T. Badriyah, and A. Basuki, “Data mining Studi Perbandingan Prediksi Penyakit Diabetes dengan menggunakan Logistic regression dan Decision Trees,” J. semnaskit, pp. 66–69, 2015.
H. Kusuma, “Desentralisasi Fiskal dan Pertumbuhan Ekonomi di Indonesia,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2015.
T. Zulhaq Jasman, E. Hasmin, C. Susanto, and W. Musu, “Perbandingan Logistic regression, Random Forest, dan Perceptron pada Klasifikasi Pasien Gagal Jantung,” CRSID J., vol. 14, no. 3, pp. 271–286, 2022.
Y. Azhar, A. K. Firdausy, and P. J. Amelia, “Perbandingan Algoritma Klasifikasi Data mining Untuk Prediksi Penyakit Stroke,” SINTECH (Science Inf. Technol. J., vol. 5, no. 2, pp. 191–197, 2022, doi: 10.31598/sintechjournal.v5i2.1222.
D. Ismafillah, T. Rohana, and Y. Cahyana, “Implementasi Model Support Vector Machine dan Logistic regression Untuk Memprediksi Penyakit Stroke,” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 1, pp. 2407–389, 2023, doi: 10.30865/jurikom.v10i1.5478.
Adi Nugroho, Agustinus Bimo Gumelar, Adri Gabriel Sooai, Dyana Sarvasti, and Paul L Tahalele, “Perbandingan Performansi Kinerja Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 5, pp. 998–1006, 2020, doi: 10.29207/resti.v4i5.2316.
B. S. Abunasser, M. R. J. AL-Hiealy, I. S. Zaqout, and S. S. Abu-Naser, “Literature review of breast cancer detection using machine learning algorithms,” in AIP Conference Proceedings, AIP Publishing, 2023.
D. M. U. Atmaja, A. R. Hakim, D. Haryadi, and N. Suwaryo, “Penerapan Algoritma K-Nearest Neighbor Untuk Prediksi Pengelompokkan Tingkat Risiko Penyebaran COVID-19 Jawa Barat,” in Prosiding Seminar Nasional Teknologi Energi dan Mineral, 2021, pp. 1218–1226.
K. Loizidou, R. Elia, and C. Pitris, “Computer-aided Breast Cancer Detection And Classification in Mammography: A Comprehensive Review,” Comput. Biol. Med., vol. 153, p. 106554, 2023.
Trivusi, “Normalisasi Data: Pengertian, Tujuan, dan Metodenya.”
D. A. Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 78, 2019, doi: 10.24114/cess.v4i1.11458.
A. Rohman and M. Rochcham, “Komparasi Metode Klasifikasi Data mining Untuk Prediksi Kelulusan Mahasiswa,” J. Neo Tek, vol. 5, no. 1, pp. 34–40, 2019, doi: 10.37760/neoteknika.v5i1.1379.
M. R. A. Nasution and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” J. Inform., vol. 6, no. 2, pp. 226–235, 2019, doi: 10.31311/ji.v6i2.5129.
D. Sartika and D. I. Sensuse, “Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian,” Jatisi, vol. 1, no. 2, pp. 151–161, 2017.
O. Arifin and T. B. Sasongko, “Analisa perbandingan tingkat performansi metode support vector machine dan naïve bayes classifier,” J. Semin. Nas. Teknol. Inf. dan Multimed. 2018, vol. 6, no. 1, pp. 67–72, 2018.
A. Pratama, R. C. Wihandika, and D. E. Ratnawati, “Implementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa | Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 4, pp. 1704–1708, 2018.
Shedriko, “Perbandingan Algoritma SVM dan KNN Dalam Mengklasifikasi Kelulusan Mahasiswa Pada Suatu Mata Kuliah,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, no. 2, pp. 115–122, 2021.
N. Nurajijah and D. Riana, “Algoritma Naïve Bayes, Decision Tree, dan SVM untuk Klasifikasi Persetujuan Pembiayaan Nasabah Koperasi Syariah,” J. Teknol. dan Sist. Komput., vol. 7, no. 2, pp. 77–82, 2019, doi: 10.14710/jtsiskom.7.2.2019.77-82.
S. Agustina, A. Agoestanto, and P. Hendikawati, “Klasifikasi Tingkat Kesejahteraan Keluarga Jawa Tengah Tahun 2015 Menggunakan Metode Regresi Logistik Ordinal,” Unnes J. Math., vol. 6, no. 1, pp. 59–69, 2017.
J. Liang, “Confusion Matrix: Machine learning,” POGIL Act. Clear., vol. 3, no. 4, 2022.
Downloads
Published
Scite Metrics
Altmetric
How to Cite
Issue
Section
License
Copyright (c) 2025 Anita Desiani, Des Alwine Zayanti, Indri Ramayanti, Fasisal Fitra Ramadhan, Giovillando
This work is licensed under a Creative Commons Attribution 4.0 International License.
menuterbaru
 |
 |
 |
 |
 |
 |
 |
 |
 |
|
|
 |
 |
 |
 |
 |
 |
 |
 |
 |
| More Indexing and Abstracting |
|
|
View My Stats |
 |
Keywords
-
18
-
17
-
15
-
14
-
13
