Implementasi Metode Similarity Untuk Pendukung Keputusan Diagnosis Kanker Serviks

Oleh :
Upi Rianantika - M0508073 - Fak. MIPA

Similarity Merupakan Salah Satu Metode Yang Digunakan Untuk Menghitung Kemiripan Dua Objek. Similarity Banyak Digunakan Dalam Perhitungan Klasifikasi, Pengelompokan, Dll. Untuk Menghindari Kesalahan Diagnosis, Metode Similarity Jaccard Dan Similarity Cosine Digunakan Untuk Mendukung Diagnosis Kanker Serviks. Data Yang Digunakan Berupa Data Matriks Gejala Penyakit Kanker, Data Matriks Gejala Non Kanker, Dan Data Matriks Gejala Pasien. Perhitungan Similarity Dilakukan Dengan Cara Membandingkan Data Matriks Gejala Pasien Dengan Data Matriks Gejala Penyakit Kanker. Data Matriks Gejala Pasien Dengan Data Matriks Gejala Penyakit Non Kanker. Kemudian Dihitung Nilai Similaritynya. Nilai Similarity Terbesar Menjadi Kesimpulan Hasil Diagnosis. Hasil Diagnosis Dibandingkan Dengan Data Sekunder Kemudian Dihitung Akurasinya. Similarity Jaccard Memiliki Jumlah Rekomendasi Paling Banyak Yaitu 4 Buah Rekomendasi Sedangkan Similarity Cosine Memiliki Jumlah Rekomendasi Paling Banyak Yaitu 3 Buah Rekomendasi. Akurasi Hasil Pengujian Sistem Pada 54 Data Uji Untuk Similarity Jaccard Di Urutan Pertama Adalah 96,69%, Dan Di Urutan Kedua Adalah 3,17%. Akurasi Hasil Pengujian Untuk Similarity Cosine Di Urutan Pertama Adalah 96,69%, Dan Di Urutan Kedua Adalah 3,17%.