Komparasi Metode Machine Learning Untuk Diagnosis Penyakit Kanker Payudara

Onassis Yusuf Inonu, Kardita Magda, Erliyan Redy Susanto

Abstract


Salah satu penyakit yang paling ditakuti adalah kanker payudara, yang merupakan salah satu penyakit mematikan bagi wanita. Kanker payudara dibagi menjadi dua kategori, yaitu ganas dan jinak. Dalam klasifikasi jenis ini diperlukan metode yang efisien untuk mendukung proses pengambilan keputusan. Tujuan penelitian ini adalah untuk menentukan algoritma yang paling efektif dalam mengklasifikasikan kanker payudara sebagai jinak atau ganas secara akurat. Teknik klasifikasi penelitian ini adalah machine learning yang dapat membantu dalam mengelompokkan jenis kanker payudara. Penelitian ini menggunakan 3 algoritma yaitu neural network, random forest, dan support vector machines dalam mengelompokkan jenis kanker payudara. Hasil klasifikasi algoritma neural network dan random forest memiliki nilai akurasi yang sama tinggi yaitu sebesar 96,00 %. Sedangkan algoritma support vector machines memiliki nilai akurasi yaitu 97,00 %. Sehingga dalam penelitian ini metode support vector machines yang dapat mempercepat pengambilan keputusan dalam memprediksi dalam klasifikasi penentuan jenis kanker payudara.

Keywords


Kanker Payudara, Klasifikasi, Machine Learning, Neural Network, Random Forest, Support Vector Machines

Full Text:

PDF

References


Jean Sunny, Nikita Rane, Rucha Kanade, and Sulochana Devi, “Breast Cancer Classification and Prediction using Machine Learning,” Int. J. Eng. Res., vol. V9, no. 02, pp. 576–580, 2020, doi: 10.17577/ijertv9is020280.

R. Entezari, “Breast Cancer Diagnosis via Classification Algorithms,” 2018.

S. Wu and W. Xiong, “Comparison of Different Machine Learning Models in Breast Cancer,” Highlights Sci. Eng. Technol., vol. 8, pp. 624–629, 2022, doi: 10.54097/hset.v8i.1238.

N. R. Muntiari and K. H. Hanif, “Klasifikasi Penyakit Kanker Payudara Menggunakan Perbandingan Algoritma Machine Learning,” J. Ilmu Komput. dan Teknol., vol. 3, no. 1, pp. 1–6, 2022, doi: 10.35960/ikomti.v3i1.766.

V. Angkasa and J. J. Pangaribuan, “Information System Development Komparasi Tingkat Akurasi Random Forest Dan Knn Untuk Mendiagnosis Penyakit Kanker Payudara,” J. Inf. Syst. Dev., vol. 7, no. 1, pp. 37–38, 2022.

R. A. Sowah, A. A. Bampoe-Addo, S. K. Armoo, F. K. Saalia, F. Gatsi, and B. Sarkodie-Mensah, “Design and Development of Diabetes Management System Using Machine Learning,” Int. J. Telemed. Appl., vol. 2020, 2020, doi: 10.1155/2020/8870141.

Jamaludin, A. Kholiq Fajar, M. Zaenal Mutaqin, M. Malik Mutoffar, and D. Setiyadi, “Klasifikasi Kanker Payudara Menggunakan Algoritma Neural Network dan Random Forest,” STMIK Sinar Nusant. Jln. Sersan Aswan, vol. 7, no. 1, pp. 74–80, 2024.

F. S. Nugraha, M. J. Shidiq, and S. Rahayu, “Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Kanker Payudara,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 149–156, 2019, doi: 10.33480/pilar.v15i2.601.

T. B. Surbakti, A. Fauzi, and H. Khair, “Hybrid Sistem Algoritma Rivest Shamir Adleman (RSA) dan Algoritma Blum Blum Shub (BBS) dalam Mengamankan File Database E-Absensi,” Indones. J. Educ. …, vol. 1, no. 3, pp. 89–97, 2023.

A. B. Wibisono and A. Fahrurozi, “Perbandingan Algoritma Klasifikasi Dalam Pengklasifikasian Data Penyakit Jantung Koroner,” J. Ilm. Teknol. dan Rekayasa, vol. 24, no. 3, pp. 161–170, 2019, doi: 10.35760/tr.2019.v24i3.2393.

M. Wibowo and R. Ramadhani, “Perbandingan Metode Klasifikasi Data Mining Untuk Rekomendasi Tanaman Pangan,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 913, 2021, doi: 10.30865/mib.v5i3.3086.

Z. Jin, J. Shang, Q. Zhu, C. Ling, W. Xie, and B. Qiang, “RFRSF: Employee Turnover Prediction Based on Random Forests and Survival Analysis,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 12343 LNCS, pp. 503–515, 2020, doi: 10.1007/978-3-030-62008-0_35.

Z. Huang and D. Chen, “A Breast Cancer Diagnosis Method Based on VIM Feature Selection and Hierarchical Clustering Random Forest Algorithm,” IEEE Access, vol. 10, pp. 3284–3293, 2022, doi: 10.1109/ACCESS.2021.3139595.

G. Dhanalakshmi, “Decision Support System for Breast Cancer Prediction,” Int. J. Res. Appl. Sci. Eng. Technol., vol. 7, no. 3, pp. 816–821, 2019, doi: 10.22214/ijraset.2019.3142.

H. Ma’rifah, A. P. Wibawa, and M. I. Akbar, “Klasifikasi Artikel Ilmiah Dengan Berbagai Skenario Preprocessing,” Sains, Apl. Komputasi dan Teknol. Inf., vol. 2, no. 2, p. 70, 2020, doi: 10.30872/jsakti.v2i2.2681.

“Breast Cancer Wisconsin (Diagnostic) Data Set" UCI Machine Learning, “No Title”.

Suci Amaliah, M. Nusrang, and A. Aswi, “Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 3, pp. 121–127, 2022, doi: 10.35580/variansiunm31.




DOI: http://dx.doi.org/10.36448/expert.v15i1.4313

Refbacks

  • There are currently no refbacks.


EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi

Published by Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Gedung M Lt.2 Pascasarjana Universitas Bandar Lampung
Jln Zainal Abidin Pagaralam No.89 Gedong Meneng, Rajabasa, Bandar Lampung,
LAMPUNG, INDONESIA

Indexed by:



Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.