Klasifikasi penyakit kanker payudara berdasarkan data Breast Cancer Wisconsin dengan menggunakan metode Naive Bayes

Indonesia:

Kanker payudara merupakan salah satu masalah kesehatan utama di seluruh dunia dan memiliki dampak yang signifikan terhadap kesejahteraan perempuan. Diagnosa dini dan klasifikasi yang tepat sangat penting dalam manajemen penyakit ini. Dalam konteks ini, penggunaan teknik-teknik analisis data dan pembelajaran mesin telah menjadi sorotan untuk meningkatkan akurasi klasifikasi. Penggunaan metode Naive Bayes yang telah terbukti efektif dalam pengklasifikasian data medis diharapkan dapat memberikan kontribusi penting dalam meningkatkan akurasi klasifikasi kanker payudara.Tujuan dari penelitian ini adalah untuk mengetahui performa metode naïve bayes dalam melakukan klasifikasi kanker payudara berdasarkan data Breast Cancer Wisconsin. Penelitian ini dilakukan dengan menggunakan 4 skenario pengujian perbandingan data training dan data testing, yaitu pengujian A dilakukan dengan rasio perbandingan 90:10, pengujian B dengan rasio perbandingan 80:20, pengujian C dengan rasio perbandingan 75:25, dan pengujian D dengan rasio perbandingan 70:30. Hasilnya pengujian A dengan menggunakan 10- Fold cross validation menghasilkan performa terbaik yaitu dengan nilai akurasi sebesar 98.03%. Berdasarkan scenario perbandingan pengujian A dapat disimpulkan bahwa dapat dikategorikan ke klasifikasi sangat baik.

English:

Breast cancer is one of the major health concerns worldwide and significantlyimpacts women's well-being. Early diagnosis and accurate classification are crucial inmanaging this disease. In this context, the use of data analysis techniques and machinelearning has been highlighted to enhance classification accuracy. The utilization of theNaive Bayes method, which has proven effective in classifying medical data, is expectedto contribute significantly to improving breast cancer classification accuracy. The aim ofthis research is to assess the performance of the Naive Bayes method in classifying breastcancer based on Breast Cancer Wisconsin data. The study conducts four testing scenarioscomparing training and testing data: Test A with a 90:10 ratio, Test B with an 80:20 ratio,Test C with a 75:25 ratio, and Test D with a 70:30 ratio. The results show that Test Ausing 10-Fold crossvalidation achieved the best performance with an accuracy rate of98.03%. Based on the comparison scenarios, Test A can be categorized as a highlyaccurate classification

مستخلص البحث:

سرطان الثدي هو أحد أهم مشاكل الصحة في جميع أنحاء العالم وله تأثير كبير على رفاهيةالنساء.التشخيص المبكر والتصنيف الدقيق ضروريان إلدارة هذا المرض. في هذا السياق، أصبح استخدام تقنياتتحليل البيانات وتعلم اآللة محط األنظار لتحسين دقة التصنيف. من المتوقع أن يُسهم استخدامطريقة النيفبايز المثبتة فعاليتها في تصنيف البيانات الطبية بشكل هام في زيادة دقة تصنيف سرطان الثدي.الهدف منهذه الدراسة هو معرفة أداء طريقة النيف بايز في تصنيف سرطان الثدي استنادًا إلى بيانات سرطان الثديفي ويسكونسن.تمت هذه الدراسة باستخدام4سيناريوهات الختبار مقارنة بين بيانات التدريب وبياناتاالختبار، حيث تم بنسبة مقارنةCبنسبةمقارنة ،80:20واالختبارBبنسبة مقارنة ،90:10واالختبارAإجراء االختبار باستخدام التقييم المتقاطع بـ10طياتAبنسبة مقارنة .70:30أظهرت نتائج اختبارD،75:25واالختبار ، يمكن استنتاج أنه يمكنAأدا ًء ممتا ًزا بقيمة دقة بنسبة .%98.03استنادًا إلىسيناريو اختبار االختبار.تصنيفه كتصنيف ممتاز جدًا