Klasifikasi Pengidap Kanker Payudara Menggunakan Metode Voting Based Extreme Learning Machine (V-ELM)

##plugins.themes.bootstrap3.article.main##

Dheby Tata Artha Sigit Adinugroho Putra Pandu Adikara

Abstrak

Kanker payudara adalah tumor ganas yang berasal dari pertumbuhan abnormal sel-sel payudara. Setiap tahunnya, sebanyak 2,1 juta perempuan meninggal dunia akibat kanker payudara. Untuk mengurangi jumlah kematian akibat kanker payudara, dapat dilakukan upaya pencegahan dengan melakukan screening. Perkembangan teknologi medis dan teknologi informasi, di dalam dunia medis dapat digunakan peneliti di bidangnya untuk mengembangkan model deteksi dini, dari data konsultasi rutin dan analisis darah. Pada penelitian ini, dilakukan klasifikasi terhadap pengidap kanker payudara dengan metode Voting Based Extreme Learning Machine (V-ELM). Data yang digunakan adalah Breast Cancer Coimbra Dataset yang dipublikasikan pada UCI Machine Learning tahun 2018. Dalam data tersebut, terdapat 116 data dengan 9 fitur dan 2 kelas yaitu Healthy Control dan Patient. Data tersebut dilakukan normalisasi terlebih dahulu, kemudian dilakukan proses pelatihan V-ELM terhadap data latih. Setelah itu pengujian dilakukan dengan masukan berupa data uji serta hasil dari proses pelatihan. Rasio data latih dan data uji yang digunakan adalah 80:20. Penelitian ini melakukan pengujian terhadap beberapa parameter dan mendapatkan hasil optimal, diantaranya 20 hidden neuron, nilai k untuk V-ELM adalah sebesar 35 dan fungsi aktivasi dengan hasil optimal adalah fungsi Sigmoid. Dengan menggunakan parameter optimal tersebut didapatkan akurasi sebesar 89,56%, sensitivity sebesar 96,924% dan specificity sebesar 80%.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Artha, D., Adinugroho, S., & Adikara, P. Klasifikasi Pengidap Kanker Payudara Menggunakan Metode Voting Based Extreme Learning Machine (V-ELM). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, p. 2180-2186, jan. 2019. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4629>. Tanggal Akses: 23 agu. 2019
Bagian
Artikel