Abstract:Kanker payudara merupakan salah satu jenis kanker yang paling umum ditemukan pada wanita dan menjadi penyebab utama kematian akibat kanker di seluruh dunia. Ketepatan dalam diagnosis kanker payudara menjadi sangat krusial…
l untuk penanganan yang tepat. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes dan Random Forest dalam mengklasifikasikan kanker payudara menggunakan dataset Breast Cancer Wisconsin. Metodologi penelitian dimulai dengan pengumpulan data dari dataset Breast Cancer Wisconsin yang terdiri dari 569 sampel dengan 32 atribut. Proses preprocessing data meliputi konversi data dari format nominal ke binominal untuk atribut diagnosis. Implementasi algoritma menggunakan tools RapidMiner dengan pendekatan cross validation (k=10) untuk evaluasi model yang lebih robust. Performa kedua algoritma dibandingkan menggunakan berbagai metrik evaluasi termasuk accuracy, precision, recall, dan analisis confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih unggul dengan tingkat akurasi 94,91% (±5,06%), precision 95,33%, dan recall 93,90%. Sementara itu, Naive Bayes mencapai akurasi 93,51% (±5,30%), precision 93,68%, dan recall 92,67%. Random Forest juga menunjukkan keunggulan dalam mengurangi false positive, dengan hanya 8 kasus dibandingkan 15 kasus pada Naive Bayes. Analisis confusion matrix menunjukkan bahwa kedua algoritma memiliki kemampuan yang baik dalam mengklasifikasikan kasus kanker payudara, meskipun Random Forest menunjukkan performa yang lebih stabil dan akurat. Kesimpulan dari penelitian ini menunjukkan bahwa kedua algoritma efektif untuk klasifikasi kanker payudara, dengan Random Forest menunjukkan keunggulan dalam hal akurasi dan presisi. Hasil ini dapat menjadi pertimbangan dalam pengembangan sistem pendukung keputusan untuk diagnosis kanker payudara, dimana Random Forest dapat menjadi pilihan utama ketika akurasi menjadi prioritas, sementara Naive Bayes tetap menjadi alternatif yang valid ketika kesederhanaan implementasi dan efisiensi komputasi diperlukan.
Abstract:Merokok merupakan aktivitas yang dapat menimbulkan dampak buruk bagi kesehatan, baik untuk diri sendiri maupun untuk orang lain. Hal itu dikarenakan terdapat banyak kandungan yang berbahaya bagi kesehatan. Data mining merupakan…
rupakan bagian dari data analytics dan disiplin ilmu data science yang memiliki manfaat luas dan tepat guna. Penelitian ini bertujuan untuk mengetahui pengelompokkan perokok dengan usia lebih dari 15 tahun di setiap Provinsi. Data yang digunakan dalam penelitian ini diambil dari Badan Pusat Statistik (BPS). Metode yang digunakan adalah Clustering dengan algoritma K-Means menggunakan tools RapidMiner dan validasinya menggunakan operator Davies Bouldin Indeks untuk mencari nilai yang mendekati 0. Pengelompokkan perokok dengan rentan usia lebih dari 15 tahun yang dihasilkan dapat dilihat melalui 3 cluster, Cluster 1 merupakan tingkat perokok tinggi sejumlah 9 provinsi, Cluster 2 merupakan tingkat sedang dengan 17 provinsi dan Cluster 3 merupakan tingkat rendah dengan 8 provinsi.
Abstract:Model prediksi kelulusan siswa di SMK Al Hasyimy Ibrahimy dikembangkan dengan algoritma K-Nearest Neighbor (K-NN) yang diimplementasikan melalui aplikasi RapidMiner. Model ini memproses variabel seperti nilai Sumatif, UTS,…
S, PAS, UKK, dan PSAJ untuk mengklasifikasikan status kelulusan siswa sebagai "tepat waktu" atau "terlambat". Algoritma K-NN bekerja dengan menghitung kedekatan (Euclidean Distance) antara data baru dan data yang sudah memiliki hasil kelulusan. Hasil prediksi menunjukkan akurasi sebesar 95,51% memberikan manfaat bagi sekolah dalam mengenali siswa yang memerlukan dukungan tambahan agar lulus tepat waktu. Penggunaan pendekatan ini mendukung penerapan strategi pendidikan berbasis data untuk meningkatkan tingkat kelulusan siswa.
Abstract:Pariwisata merupakan sektor strategis di Kabupaten Jember yang memiliki potensi besar, namun tantangan dalam promosi dan informasi sering kali menghambat pengembangan sektor ini. Data mining mampu menganalisis data secara…
a terus-menerus dan mengotomatiskan pengambilan keputusan dan algoritma K-Nearest Neighbor (K-NN) merupakan metode klasifikasi untuk menemukan akurasi jarak terdekat. Pada paket wisata di Jember dipergunakan algoritma K-Nearest Neighbor (K-NN) untuk membantu wisatawan menemukan destinasi yang sesuai dengan preferensi yang akan dipilih. Data objek wisata di Jember digunakan sebagai basis sistem rekomendasi, dengan atribut seperti jarak dan jenis wisata yang dianalisis menggunakan aplikasi RapidMiner. Hasil pengujian menunjukkan bahwa model K-NN memiliki kebutuhan peningkatan model lebih lanjut. Rekomendasi ini agara dapat menjadi acuan dalam peningkatan kualitas pengalaman wisata di Jember serta mendukung strategi promosi daerah.
Abstract:Obesitas adalah masalah kesehatan global yang ditandai dengan menumpuknya lemak tubuh berlebih, meningkatkan risiko penyakit kronis seperti diabetes dan penyakit jantung. Data Mining sangat efektif untuk mengidentifikasi…
faktor risiko obesitas pada individu menggunakan algoritma Random Forest yang diimplementasikan dengan RapidMiner, dipilih karena kemampuannya menangani banyak variabel dan mengatasi multikolinearitas. Dataset ini terdiri dari 2.087 entri dengan 15 fitur terkait gaya hidup, pola makan, dan riwayat kesehatan yang diperoleh dari situs Kaggle, dan dibagi menjadi 90% data latih serta 10% data uji untuk evaluasi kinerja model. Hasilnya menunjukkan model mampu mencapai akurasi 79,81%, presisi 78,26%, dan recall 67,86%, dengan faktor dominan yang mempengaruhi risiko obesitas adalah konsumsi makanan tinggi kalori, rendahnya aktivitas fisik, dan riwayat keluarga obesitas. Penelitian ini memberikan wawasan penting bagi upaya pencegahan obesitas melalui pengembangan kebijakan kesehatan dan program edukasi yang lebih efektif, fokus pada perubahan pola hidup untuk mengurangi prevalensi obesitas dan komplikasi
Abstract:Diabetes merupakan penyakit kronis yang ditandai dengan tingginya kadar glukosa dalam darah, yang dapat menyebabkan komplikasi serius jika tidak dikelola dengan baik. Dalam penelitian ini, dilakukan prediksi diabetes pada…
a perempuan suku Indian Pima menggunakan algoritma klasifikasi K-Nearest Neighbors (K-NN). Dataset yang digunakan diperoleh dari National Institute of Diabetes and Digestive and Kidney Diseases, yang terdiri dari 769 data pasien dengan 9 atribut. Penelitian ini menggunakan metode deskriptif kuantitatif dengan pendekatan rekayasa perangkat lunak dan Library Online Research. Data dianalisis menggunakan RapidMiner versi 10.3. Hasil dari model K-NN menunjukkan tingkat akurasi sebesar 70,13%, dengan presisi 59,09% untuk pasien positif dan 74,55% untuk pasien negatif. Nilai recall yang diperoleh adalah 48,15% untuk pasien positif dan 82,00% untuk pasien negatif. Meskipun akurasi model ini cukup baik, penelitian lebih lanjut diperlukan untuk meningkatkan kualitas prediksi. Algoritma K-NN terbukti efektif digunakan dalam klasifikasi diabetes, tetapi kualitas hasil sangat bergantung pada kualitas data yang dianalisis.
Abstract:Email spam merupakan salah satu masalah signifikan dalam komunikasi digital yang dapat mengganggu produktivitas pengguna. Untuk mengembangkan model klasifikasi email spam maka digunakan Algoritma Naive Bayes, yang dikenal…
l karena kesederhanaan dan efektivitasnya dalam menangani data teks. Data email yang terdiri dari spam dan non-spam diambil dari sumber yang dapat diakses secara publik dan diproses menggunakan aplikasi RapidMiner. Langkah-langkah preprocessing, termasuk penghapusan stopwords, stemming, dan vektorisasi teks, dilakukan untuk meningkatkan akurasi model. Model Naive Bayes dilatih dan diuji menggunakan teknik cross-validation untuk memastikan keandalan hasil. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang tinggi dengan hasil 60%, dengan nilai presisi 40% dan recall yang memadai. Hasil ini menunjukkan potensi penggunaan Algoritma Naive Bayes dalam klasifikasi email spam dan memberikan kontribusi terhadap pengembangan sistem filtrasi email yang lebih efektif.
Abstract:Bencana adalah kejadian yang sangat ditakui oleh semua manusia di manapun, dengan terjadinya bencana semua orang dalam wilayah bencana akan mengalami kehancuran, kehilangan dan kesengsaraan. Bukan hanya kehilangan harta…
benda, melainkan juga kehilangan nyawa dan sanak saudara yang terpisah dalam upaya menyelamatkan diri ataupun karena terbawa oleh situasi bencana yang menghancur leburkan dan memporak porandakan tempat tinggal. Trauma psikologis setelah bencana alam akan semakin memperburuk kondisi atau masalah psikologis. Penelitian ini menggunakan metode pengumpulan data yaitu proses pengumpulan data yang diambil dari sumber data. Penelitian ini, mengambil sumber data yang berasal dari Kaggle, di mana banyak datanya adalah 1063 data dengan format csv. Hasil dari analisis dengan menggunakan aplikasi RapidMiner dapat menghasilkan data visualisasi dengan menampilkan frekuensi terbanyak yaitu Bencana dan Alam.
Abstract:Pandemi Covid-19 telah membawa pengaruh yang besar terhadap kesehatan di seluruh dunia. Tidak hanya dari segi fisik, namun juga berdampak pada psikis (mental) yang disebabkan oleh beberapa faktor dan berbagai masalah serta…
ta kecemasan. Penelitian ini bertujuan untuk menganalisis pengaruh covid-19 terhadap kesehatan mental dengan penerapan aplikasi RapidMiner berupa visualisasi data. Penelitian ini mencoba memprediksi hasil positif atau negatif dari data covid-19 dengan memanfaatkan aplikasi RapidMiner. Penelitian ini menerapkan metode visualisasi data dari text processing pada aplikasi RapidMiner. Hasil analisis melalui penggunaan visualisasi data, penelitian ini berhasil menampilkan data terbanyak dan kata yang paling sering muncul dengan frekuensi terbanyak yaitu Covid, dan yang lainnya menunjukkan frekuensi yang rendah. Visualisasi data juga memberikan gambaran sentimen positif, negatif, dan netral. Melalui aplikasi RapidMiner juga tidak hanya digunakan untuk visualisasi data tapi juga dapat mengelompokkan data. Visualisasi wordcloud menampilkan kata dengan frekuensi terbanyak, semakin banyak frekuensi kata tersebut semakin besar dibanding kata yang lain. Kata dengan frekuensi terbanyak yaitu Covid, dan yang lainnya menunjukkan frekuensi yang rendah.
Abstract:kanker merupakan salah satu faktor utama penyebab kematian. Kanker juga memiliki posisi kedua dengan angka kematian yang sangat tinggi. Dalam penelitian ini memprediksi kanker paru-paru dengan menggunakan data mining dengan…
gan metode decision tree. Metode decision tree memprediksi akurasi dengan tingkat akurasi 94.66% dari data yang ada menjadi potensi besar dalam prediksi penyakit kanker paru-paru.Oleh karena itu, data mining dengan metode decision tree sebagai solusi ke efektifan dalam memprediksi terkenanya kanker paru paru dan pecegahannya. Meode ini juga menjadi upaya dalam penyelamatan nyawa dan perbaikan kualitas hidup bagi individu yang berisiko terkena penyakit kanker paru-paru