Komparasi Performansi Algoritma Pengklasifikasi KNN, Bagging Dan Random Forest Untuk Prediksi Kanker Payudara

Penulis

  • Agung Mulyo Widodo Universitas Esa Unggul
  • Nizirwan Anwar Universitas Esa Unggul
  • Bambang Irawan Universitas Esa Unggul
  • Andika Wisnujati Universitas Esa Unggul
  • Lista Meria Universitas Muhammadiyah Yogyakarta

Kata Kunci:

Bagging, KNN, Random forest, prediksi kanker payudara

Abstrak

Pemodelan prediktif menggunakan teknik klasifikasi adalah salah satu cara data mining digunakan untuk mendukung sistem pengambilan keputusan. Banyak teknik pembelajaran mesin dimasukkan ke dalam pengembangan model klasifikasi prediktif ini. Penelitian ini membandingkan akurasi algoritma klasifikasi, khususnya algoritma Bagging, KNN, dan Random forest, ketika digunakan dengan dataset yang sama untuk mendiagnosis kanker payudara. Berdasarkan hasil perbandingan, algoritma KNN memiliki akurasi tertinggi dari ketiga algoritma tersebut, sedangkan algoritma random forest memiliki akurasi yang paling rendah.

Unduhan

Diterbitkan

2021-08-10

Cara Mengutip

Mulyo Widodo, A., Anwar, N., Bambang Irawan, Andika Wisnujati, & Lista Meria. (2021). Komparasi Performansi Algoritma Pengklasifikasi KNN, Bagging Dan Random Forest Untuk Prediksi Kanker Payudara. Proceeding KONIK (Konferensi Nasional Ilmu Komputer), 5(1), 367–372. Diambil dari https://prosiding.konik.id/index.php/konik/article/view/79

Terbitan

Vol 5 (2021): Proceeding KONIK (Konferensi Nasional Ilmu Komputer) 2021

Bagian

Articles