Putri, Desintya Rachma Anggraeni (2019) Klasifikasi Hasil Tes Deteksi Kanker Payudara Berdasarkan Gejala Klinis Menggunakan Metode Classification Tree di RSUD Nur Hidayah Bantul. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211540000113-Undergraduate_Theses.pdf Download (2MB) | Preview |
Abstract
Kanker payudara adalah tumor ganas yang terbentuk dari sel-sel pa-yudara yang tumbuh dan berkembang biak tanpa terkendali sehingga dapat menyebar di antara jaringan atau organ di sekitar payudara atau bahkan dapat menyebar ke bagian tubuh lainnya. Kanker payudara merupakan kanker yang paling sering terjadi diantara wanita. Tingginya kasus kanker payudara menjadikan perhatian khusus bagi kaum wanita untuk selalu was-pada terhadap terjadinya kanker payudara. Tujuan dari penelitian ini ingin dilakukan klasifikasi hasil tes deteksi kanker payudara berdasarkan gejala klinis menggunakan metode Classification Tree dan Bootstrap Aggregating (Bagging). Selanjutnya dilakukan evaluasi ketepatan klasifikasi dengan me-ninjau accuracy, sensitifity, specificity dan AUC. Hasil dari penelitian ini menunjukkan bahwa model pohon klasifikasi optimal yang terbentuk adalah memiliki 4 simpul terminal dengan kedalaman 2. Sedangkan model terbaik yang terbentuk dengan menggunakan metode Bootstrap Aggregating adalah dengan 20 replikasi bootstrap. Hasil dari perbandingan ketepatan klasi-fikasi pohon yang diperoleh dengan menggunakan metode Bootstrap Aggregating tidak lebih baik dari metode Classification Tree, karena pada penelitian ini metode Classification Tree menghasilkan ketepatan klasi-fikasi lebih tinggi dibandingkan dengan metode Bootstrap Aggregating. Walaupun hasil dari Bootstrap Aggregating tidak selalu meningkatkan hasil akurasi dari metode Classification Tree, akan tetapi dapat menghasilkan model yang konsisten.
================================================================================================================================
Breast cancer is a malignant tumor that starts when cells in the breast begin to grow and out of control, so it can spread between tissues, organs around the breast or to other parts of body. Breast cancer occurs almost en-tirely in woman. The high cases of breast cancer make special attention for women to always be watchful of breast cancer’s occurrence. The purpose of this research is classified the result of breast cancer detection tests based on clinical symptoms using Classification Tree and Bootstrap Aggregating (Ba-gging) method. The evaluation are based on accuracy, sensitivity, specificity and AUC. This research shows that the optimal classification tree model has 4 terminal nodes with the depth is 2. While the best model formed using The Bootstrap Aggregating method is with 20 bootstrap’s replications. The Bootstrap Aggregating method is not always better than the Classification Tree method because in this research the accuracy of classification tree is higher than the Bootstrap Aggregating method. Even though the result of Bootstrap Aggregating is not always increasing the accuracy of the Classification Tree method, it can produce a consistent model.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSt 519.536 Put k-1 2019 |
| Uncontrolled Keywords: | Bootstrap Aggregating, Classification Tree, Gejala Klinis, Kanker Payudara, K-Fold Cross Validation |
| Subjects: | H Social Sciences > HD Industries. Land use. Labor > HD108 Classification (Theory. Method. Relation to other subjects ) Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | DESINTYA RACHMA ANGGRAENI PUTRI |
| Date Deposited: | 13 Jul 2023 07:52 |
| Last Modified: | 13 Jul 2023 07:52 |
| URI: | http://repository.its.ac.id/id/eprint/64028 |
Actions (login required)
 |
View Item |