RAHMAWATI, Nur Everi (2025) IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI KANKER PAYUDARA BERBASIS WEBSITE. Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Download (1MB) |
|
PDF (ABSTRAK)
ABSTRAK_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.docx - Published Version Download (14kB) |
|
PDF (BAB I)
BAB I_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB II)
BAB II_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (4MB) |
|
PDF (BAB III)
BAB III_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (915kB) |
|
PDF (BAB IV)
BAB IV_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (2MB) |
|
PDF (BAB V)
BAB V_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Download (233kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Download (712kB) |
|
PDF (LAMPIRAN)
LAMPIRAN_NUR EVERI RAHMAWATI_42419040_SKRIPSI_2025.pdf - Published Version Restricted to Repository staff only Download (495kB) |
Abstract
Kanker payudara merupakan salah satu penyebab utama kematian pada wanita di seluruh dunia. Deteksi dini terhadap kanker payudara sangat penting untuk meningkatkan peluang kesembuhan dan menekan risiko komplikasi. Dalam penelitian ini, dikembangkan sebuah sistem prediksi kanker payudara berbasis website dengan menggunakan algoritma Support Vector Machine (SVM) sebagai metode klasifikasi. Data yang digunakan berasal dari dataset situs kaggle yang memuat informasi statistik karakteristik sel. Proses pengolahan data meliputi tahap preprocessing yaitu tranformasi data, seleksi fitur, k-fold cross validation, serta pelatihan model menggunakan algoritma SVM. Dalam penelitian ini menggunakan dataset yang diperoleh menghasilkan akurasi terbaik pada best model k-fold cross validation dengan K=10 yaitu 0.9821%. dan untuk agregasi k-fold cross validation yaitu akurasi 0.9421%, presisi 0,9357%, recall 0,9102 % dan f1-score 0,921%. Hasil pengujian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan jenis kanker payudara (jinak atau ganas) dengan tingkat akurasi yang tinggi, serta memberikan hasil prediksi secara cepat dan akurat. Model yang dihasilkan kemudian diintegrasikan ke dalam sistem website menggunakan framework Flask, sehingga dapat digunakan oleh pengguna secara interaktif, website ini diharapkan dapat membantu masyarakat umum dalam melakukan deteksi dini kanker payudara secara praktis.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Kanker payudara, deteksi kanker payudara, Support Vector Machine, SVM, klasifikasi, website, machine learning, Flask, Python. | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 006-Metode Komputer Tertentu > Kecerdasan Buatan;Sistem Pakar; Neural Network; Data Mining; Machine learning; Computer Vision; Pengolahan Citra | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | S.E. Khozin Khozin | |||||||||
| Date Deposited: | 02 Mar 2026 03:42 | |||||||||
| Last Modified: | 02 Mar 2026 03:42 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/2334 |
Actions (login required)
 |
View Item |