Prediksi Keberhasilan Immunotherapy Pada Penyakit Kutil Dengan Menggunakan Algoritma Naïve Bayes
##plugins.themes.academic_pro.article.sidebar##
Downloads
##plugins.themes.academic_pro.article.main##
Abstract
Penyakit kutil merupakan masalah kesehatan kulit yang pada umumnya ditandai dengan munculnya benjolan kecil bertekstur kasar pada permukaan kulit yang disebabkan oleh virus yaitu Human Papilloma Virus (HPV). Salah satu teknik pengobatan penyakit kutil adalah Immunotherapy, metode ini merupakan pengobatan dengan meningkatkan sistem kekebalan tubuh untuk mengatasi penyakit kutil. Untuk mengurangi kesalahan deteksi dan menghindari keterlambatan diagnosis penderita penyakit kutil dapat dilakukan penerapan dan pemanfaatan teknik data mining. Salah satu metode data mining yang bisa dimanfaatkan adalah klasifikasi dan metode algoritma yang dapat digunakan untuk klasifikasi adalah algoritma Naive Bayes. Pada penelitian ini, algoritma klasifikasi data mining Naive Bayes diterapkan pada Immunotherapy Data Set. Setelah hasil penelitian diperoleh, terbukti metode data mining menggunakan algoritma Naive Bayes dengan 10-Fold Cross Validation menghasilkan nilai akurasi klasifikasi sebesar 81,11% dan nilai Area Under ROC (AUC) sebesar 0,63 yang termasuk kategori Good Classification.
Kata Kunci: Penyakit Kutil, Immunotherapy, Data Mining, Klasifikasi, Naive Bayes
ABSTRACT
Warts Disease is a skin health problem that is generally characterized by the appearance of small, rough textured lumps on the skin surface caused by a virus that is Human Papilloma Virus (HPV). One technique of treatment of wart disease is Immunotherapy, this method is a treatment by boosting the immune system to overcome the disease of warts. To reduce detection errors and avoid delays in diagnosing Warts disease, the application of data mining techniques can be applied and used. One method of data mining that can be used is classification and algorithm methods that can be used for classification are the Naive Bayes algorithm. In this study, the Naive Bayes data mining classification algorithm was applied to Immunotherapy Data Set. After the research results were obtained, it has been proven that data mining method using Naive Bayes algorithm with 10-Fold Cross Validation resulted in classification accuracy values of 81,11% and Area Under ROC (AUC) values of 0.63 which belonged to the Good Classification category.
Keywords: Warts Disease, Immunotherapy, Data Mining, Classification, Naive Bayes
##plugins.themes.academic_pro.article.details##
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Gorunescu, F. (2011). Data mining: Concepts, models and techniques. Retrieved from https://doi.org/10.1007/978-3-642-19721-5
Han, J., Micheline, K., & Jian, P. (2012). DATA MINING (Concept and Techniques). Retrieved from https://doi.org/10.1017/CBO9781107415324.004.
Herliana, A., Arifin, T., Susanti, S., & Hikmah, A. B. (2018). Feature Selection of Diabetic Retinopathy Disease Using Particle Swarm Optimization and Neural Network. 2018 6th International Conference on Cyber and IT Service Management (CITSM), (Citsm), 1–4. https://doi.org/10.1109/CITSM.2018.8674295
Hermawan, A., Sukma, A. R., & Halfis, R. (2019). Analisis Algoritma Klasifikasi C 4 . 5 Untuk Memprediksi Keberhasilan Immunotherapy Pada Penyakit Kutil. V(2), 155–160. https://doi.org/10.31294/jtk.v4i2
Prasetio, R. T., & Pratiwi, P. (2015). PENERAPAN TEKNIK BAGGING PADA ALGORITMA KLASIFIKASI UNTUK MENGATASI KETIDAKSEIMBANGAN KELAS DATASET MEDIS. Jurnal Informatika, 2(2).
Prasetio, R. T., & Riana, D. (2015, November). A comparison of classification methods in vertebral column disorder with the application of genetic algorithm and bagging. In 2015 4th international conference on instrumentation, communications, information technology, and biomedical engineering (ICICI-BME) (pp. 163-168). IEEE.
Prasetio, R. T., & Ripandi, E. (2019). Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection. Jurnal Informatika, 6(1), 100-106.
Ramadhan, R., & Mahmudy, W. F. (2019). Optimasi Bobot Awal Extreme Learning Machine menggunakan Algoritme Genetika untuk Klasifikasi Penanganan Human Papilloma Virus. 3(6), 5616–5623.
Setiawati, D. (2014). Human Papilloma Virus Dan Kanker Serviks. 450–459.
Supriyatna, A., & Mustika, W. P. (2018). Komparasi Algoritma Naive bayes dan SVM Untuk Memprediksi Keberhasilan Imunoterapi Pada Penyakit Kutil. (2), 152–161.