OPTIMISASI ALGORITMA K-NEAREST NEIGHBORS (KNN) DENGAN PRE-PROCESSING DATA DAN TEKNIK HYPERPARAMETER TUNING GRID SEARCH PADA KASUS KANKER PAYUDARA
Total View This Week0
Total View This Week0
Institusion
Universitas Diponegoro
Author
Yazid, Faishal Muhammad
Subject
Sciences and Mathemathic
Datestamp
2025-01-03 03:40:44
Abstract :
Kanker payudara (breast cancer) merupakan salah satu jenis kanker yang paling umum dan menjadi penyebab utama kematian akibat kanker pada wanita di seluruh dunia. Dalam penelitian ini, dilakukan klasifikasi diagnosis kanker payudara untuk memprediksi kanker jinak (benign) dan kanker ganas (malignant) menggunakan algoritma k-nearset neigbors (KNN). Sebelum data dilatih, dataset dibersihkan pada tahapan pre-processing data agar kualitas data pelatihan meningkat. Algoritma KNN dioptimisasi menggunakan teknik hyperparameter tuning dengan metode grid search. Sebanyak 3 tetangga terdekat, metrik jarak Manhattan, dan pembobotan uniform merupakan kombinasi terbaik dari hyperparameter tuning terhadap dataset kanker payudara. Model KNN yang dioptimisasi dengan teknik hyperparameter tuning memiliki performa lebih baik dibandingkan model yang tidak dioptimisasi. Namun, model KNN tanpa melalui pre-processing data mengalami performa yang stagnan. Performa ini tetap sama meskipun telah dilakukan hyperparameter tuning terhadap modelnya. Hasil ini menunjukkan bahwa optimisasi dengan teknik hyperparameter tuning dikombinasikan dengan dataset yang melalui pre-processing data sangat efektif dalam meningkatkan performa model. Performa akurasi, presisi, dan sensitivitas yang stabil juga menunjukkan bahwa model dapat memprediksi kelas benign dan malignant dengan baik.
Kanker payudara (breast cancer) merupakan salah satu jenis kanker yang paling umum dan menjadi penyebab utama kematian akibat kanker pada wanita di seluruh dunia. Dalam penelitian ini, dilakukan klasifikasi diagnosis kanker payudara untuk memprediksi kanker jinak (benign) dan kanker ganas (malignant) menggunakan algoritma k-nearset neigbors (KNN). Sebelum data dilatih, dataset dibersihkan pada tahapan pre-processing data agar kualitas data pelatihan meningkat. Algoritma KNN dioptimisasi menggunakan teknik hyperparameter tuning dengan metode grid search. Sebanyak 3 tetangga terdekat, metrik jarak Manhattan, dan pembobotan uniform merupakan kombinasi terbaik dari hyperparameter tuning terhadap dataset kanker payudara. Model KNN yang dioptimisasi dengan teknik hyperparameter tuning memiliki performa lebih baik dibandingkan model yang tidak dioptimisasi. Namun, model KNN tanpa melalui pre-processing data mengalami performa yang stagnan. Performa ini tetap sama meskipun telah dilakukan hyperparameter tuning terhadap modelnya. Hasil ini menunjukkan bahwa optimisasi dengan teknik hyperparameter tuning dikombinasikan dengan dataset yang melalui pre-processing data sangat efektif dalam meningkatkan performa model. Performa akurasi, presisi, dan sensitivitas yang stabil juga menunjukkan bahwa model dapat memprediksi kelas benign dan malignant dengan baik.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
