MAROQY, M. Bahri Hussein Al (2024) Implementasi Metode Seleksi Fitur Chi-Square dan Gradient Boosting Machines Fusion pada Prediksi Penyakit Kanker Payudara. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 2. HALAMAN JUDUL.pdf Download (34kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (594kB)
	Text 4. HALAMAN PERNYATAAN.pdf Download (918kB)
	Text 6. DAFTAR ISI.pdf Download (636kB)
	Text 9. ABSTRAK.pdf Download (7kB)
	Text 10. ABSTRACT.pdf Download (7kB)
	Text 11. BAB I.pdf Download (90kB)
	Text 15. DAFTAR PUSTAKA.pdf Download (86kB)

Abstract

Kanker payudara merupakan penyakit yang memiliki pertumbuhan yang tinggi pada penderitanya untuk setiap tahunya. Machine learning (ML) merupakan salah satu aplikasi
dari kecerdasan buatan atau Atificial Intelegence (AI) yang fokus dalam mengembangkan sebuah sistem yang mampu belajar sendiri tanpa harus diprogram lagi. ML dapat membangun sebuah model yang dapat digunakan dalam mendiagnosis penyakit kanker payudara menggunakan Gradient Boosting Machines Fusion dan seleksi fitur Chi-Square. Model skenario 1 menghasilkan nilai akurasi sebesar 97,37% pada k_best 26. Sedangkan untuk skenario 2 menghasilkan nilai akurasi sebesar 95,61%. Skenario 1 merupakan skenario pemodelan yang menggunakan seleksi fitur Chi-Square, sedangkan skenario 2 merupakan pemodelan yang tidak menggunakan seleksi fitur Chi-Square. Model skenario 1 dan model skenario 2 kemudian dilakukan K-Fold Cross Validation guna memperoleh hasil yang lebih akurat. Nilai rata-rata akurasi yang dihasilkan dalam skenario 1 sebesar 95,07% dengan nilai k_best 26. Sedangkan untuk skenario 2 menghasilkan nilai rata-rata akurasi sebesar 94,54%. Model yang telah dibuat memiliki hasil nilai rata-rata akurasi terbesar yaitu pada skenario1. Model skenario 1 dapat diaplikasikan guna memprediksi penyakit kanker payudara.
Kata kunci : Gradient Boosting Machines Fusion, Kanker payudara, K-Fold Cross Validation, Machine learning, Seleksi fitur Chi-Square.

Actions (login required)

View Item