PENGGABUNGAN ALGORITMA BACKWARD ELIMINATION DAN K-NEAREST NEIGHBOR UNTUK MENDIAGNOSIS PENYAKIT KANKER PAYUDARA

Abstract

K-Nearest Neighbor merupakan salah satu algoritma yang diusulkan oleh para peneliti data mining di bidang kesehatan misalnya penyakit kanker payudara. Penyakit kanker payudara merupakan salah satu penyakit berbahaya dan penyebab kematian di seluruh dunia. Maka dari itu, penyakit kanker payudara perlu didiagnosis. Algoritma yang digunakan dalam penelitian ini adalah penggabungan algoritma Backward Elimination dan K-Nearest Neighbor (KNN) untuk meningkatkan akurasi dalam diagnosis penyakit kanker payudara. Penelitian ini menggunakan dataset kanker payudara yang diperoleh dari Wisconsin Breast Cancer (WBC) UCI Dataset Machine Learning Repository. Parameter-parameter yang digunakan pada Data set Wisconsin Breast Cancer (WBC) adalah clump thickness, uniformity of cell size, uniformity of cell shape, marginal adhesion, single epithelial cell size, bare nuclei, bland chromatin, normal nucleoli, mitoses dan class. Hasil penelitian ini, pada dataset kanker payudara, algoritma K-Nearest Neighbor memiliki nilai akurasi sebesar 90.14% +/- 2.17% dan nilai Area Under Curve (AUC) sebesar 0,900 yang termasuk dalam kategori klasifikasi sangat baik (excellent classification). Pada dataset kanker payudara, penggabungan algoritma Backward Elimination dan K-Nearest Neighbor memiliki nilai akurasi sebesar 97.28% +/- 1.78% dan nilai Area Under Curve (AUC) sebesar 0,991 yang termasuk dalam kategori klasifikasi sangat baik (excellent classification). Penggabungan algoritma Backward Elimination dan K-Nearest Neighbor (KNN) tingkat akurasinya lebih tinggi dari pada algoritma K-Nearest Neighbor (KNN) dalam mendiagnosis penyakit kanker payudara.