Implementasi Metode Similarity Untuk Pendukung Keputusan Diagnosis Kanker Serviks
Penulis Utama
:
Upi Rianantika
NIM / NIP
:
M0508073
×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%.
×
Penulis Utama
:
Upi Rianantika
Penulis Tambahan
:
-
NIM / NIP
:
M0508073
Tahun
:
2013
Judul
:
Implementasi Metode Similarity Untuk Pendukung Keputusan Diagnosis Kanker Serviks
