Implementasi Machine Learning Model sebagai Sistem Prediksi Penyakit Breast Cancer
DOI:
10.47709/digitech.v4i2.5209Keywords:
Kanker Payudara, Machine Learning, Random Forest, SMOTE-Boosting, SMOTE-BaggingDimension Badge Record
Abstract
Breast Cancer atau Kanker payudara adalah penyakit yang paling umum ditemukan pada wanita di seluruh dunia. Setiap perkembangan untuk prediksi dan diagnosis penyakit kanker merupakan modal penting untuk hidup sehat. Sehingga, akurasi tinggi dalam prediksi kanker penting untuk memperbarui aspek pengobatan dan standar kelangsungan hidup pasien. Teknik Machine Learning (ML) merupakan aplikasi dari Artificial Intelligence (AI) yang dapat memberikan kontribusi besar pada proses prediksi dan diagnosis dini kanker payudara, dan telah terbukti sebagai teknik yang kuat. Dalam penelitian ini, diterapkan algoritma Machine Learning yaitu metode single: Support Vector Machine (SVM), Random Forest, Logistic Regression, dan K-Nearest Neighbors (KNN) dan metode ensemble yaitu SMOTE-Boosting dan SMOTE-Bagging pada dataset Breast Cancer di Bojonegoro. Tujuan dari penelitian ini Mendaptakan ketepatan klasifikasi atau prediksi breast cancer khususnya studi kasus di Bojonegoro dengan tingkat kinerja yang lebih baik. Nilai akurasi yang terbaik pada metode single yaitu model Random Forest (RF) sebesar 95,65% untuk data testing, 100% untuk data training sedangkan untuk metode ensembel SMOTE-Boosting Random Forest (RF) sebesar 100% untuk data testing, 100% untuk data training dan SMOTE-Bagging RF sebesar 97% untuk data training dan 100% untuk data testing. Sehingga SMOTE-Boosting RF dapat dijadikan analisis prediksi yang terbaik dalam penelitian ini. Hasil ini dapat digunakan di masa depan untuk memprediksi penyakit lainnya.
Abstract viewed = 38 times