HUTAPEA, Juwita Stefany (2025) PREDIKSI RISIKO KANKER SERVIKS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (TA.2.25.003). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
ABSTRAK Juwita Stefany Hutapea, Program Studi D-IV Teknik Informatika, Prediksi Risiko Kanker Serviks Menggunakan Algoritma Support Vector Machine. Kanker serviks merupakan salah satu penyebab utama kematian pada wanita, namun penyakit ini dapat dicegah jika dideteksi sejak dini. Penelitian ini bertujuan untuk membangun model prediksi risiko kanker serviks berbasis machine learning dengan memanfaatkan data rekam medis dari salah satu rumah sakit di Kota Medan. Data yang digunakan mencakup berbagai atribut klinis dan demografis pasien. Model dibangun menggunakan algoritma Support Vector Machine (SVM) dengan dukungan teknik SMOTE untuk penyeimbangan data dan Principal Component Analysis (PCA) untuk reduksi dimensi. Proses pengembangan model mengikuti tahapan CRISP-DM yang meliputi pemahaman data, persiapan data, pelatihan model, evaluasi, dan implementasi. Hasil evaluasi menunjukkan bahwa model memberikan performa prediksi yang baik dengan akurasi sebesar 88%, presisi 88%, recall 84%, dan f1-score 86%. Model ini telah diimplementasikan dalam bentuk sistem berbasis web sederhana sebagai alat bantu untuk mengidentifikasi potensi risiko kanker serviks secara lebih awal. Penelitian ini dapat menjadi dasar untuk mendukung keputusan di bidang kesehatan, khususnya dalam membantu proses analisis awal sebelum pengambilan keputusan medis dilakukan. Kata Kunci: Kanker Serviks, Prediksi Risiko, Machine Learning, Support Vector Machine, SMOTE
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 26 Sep 2025 03:12 |
| Last Modified: | 26 Sep 2025 03:12 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3459 |
Actions (login required)
 |
View Item |
