Perbandingan Metode Naïve Bayes dan K-Nearest Neighbor Pada Klasifikasi Morfologi Gen Sel Darah Putih
DOI:
https://doi.org/10.52958/iftk.v17i4.4576Kata Kunci:
Perbandingan, Naïve Bayes, K-Nearest Neighbors, Leukemia, Machine LearningAbstrak
Dibidang kesehatan, mendiagnosis penyakit leukemia merupakan hal yang sulit karena masih didiagnosis secara manual dengan bantuan dokter. Diagnosis manual tersebut dapat mengalami kesalahan yang disebabkan oleh kelalaian manusia. Dari permasalahan tersebut, maka dibutuhkan diagnosis jenis penyakit leukemia menggunakan kecanggihan teknologi yaitu machine learning untuk mengatasi permasalahan tersebut. Dalam penelitian ini, machine learning tersebut mengolah data yang berasal dari jenis leukemia yaitu Acute Myeloid Leukemia (AML) dan Acute Lymphoblastic Leukemia (ALL) berdasarkan ciri morfologi gen sel darah putih tersebut. Metode pengklasifikasian data yang digunakan untuk penelitian ini yaitu K-Nearest Neighbor (K-NN) dan Naïve Bayes yang kemudian kedua metode klasifikasi tersebut dibandingkan untuk melihat metode klasifikasi yang terbaik. Penelitian ini menggunakan praproses data cleaning, seleksi fitur, dan scaling untuk meningkatkan nilai akurasi. Hasil dari penelitian ini adalah metode klasifikasi K-Nearest Neighbors (K-NN) merupakan klasifikasi yang terbaik dengan nilai akurasi yang menggunakan kurva ROC/AUC bernilai 0.952 jika dibandingkan dengan metode klasifikasi Naïve Bayes yaitu 0.912.
Referensi
Saputra, G. D., & Syidada, S. (2017). Pengenalan Sel Acute Lymphoblastic Leukemia (All) Dengan Menggunakan Metode Jaringan Syaraf Tiruan. Melek IT Information Technology Journal, 3(2), 23-26.
M. M. Kini, S. H. Devi, P. G. Desai, and N. Chiplunkar, “Text Mining Approach to Classify Technical Research Documents using Naïve Bayes,” Int. J. Adv. Res. Comput. Commun. Eng., vol. 4, no. 7, pp. 386–391, 2015.
Winer, E. S., & Stone, R. M. (2019). Novel therapy in Acute myeloid leukemia (AML): moving toward targeted approaches. Therapeutic advances in hematology.
Mohseni, M., Uludag, H., & Brandwein, J. M. (2018). Advances in biology of acute lymphoblastic leukemia (ALL) and therapeutic implications. American journal of blood research, 8(4), 29.
Fadlan, C., Ningsih, S., & Windarto, A. P. (2018). Penerapan Metode Naïve Bayes Dalam Klasifikasi Kelayakan Keluarga Penerima Beras Rastra. JUTIM (Jurnal Teknik Informatika Musirawas), 3(1), 1-8.
Mustafa, M. S., & Simpen, I. W. (2019). Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba. In SISITI: Seminar Ilmiah Sistem Informasi dan Teknologi Informasi (Vol. 8, No. 1).
Nugroho, D. D., & Nugroho, H. (2020). Analisis Kerentanan Tanah Longsor Menggunakan Metode Frequency Ratio di Kabupaten Bandung Barat, Jawa Barat. Geoid, 16(1), 8-18.
Golub, T. R., Ben-David, U., & Beroukhim, R., (2019). Genomic evolution of cancer models: perils and opportunities. Nature Reviews Cancer, 19(2), 97-109.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
Download Template
