KLASIFIKASI KANKER PAYUDARA MENGGUNAKAN ALGORITMA NEURAL NETWORK DAN RANDOM FOREST
DOI:
https://doi.org/10.36595/misi.v7i1.1082Keywords:
Breast cancer, classification, neural network, random forestAbstract
Kanker payudara adalah penyakit yang menyerang jutaan wanita di seluruh dunia setiap tahunnya. Untuk meningkatkan deteksi dini, berbagai metode dan algoritma telah dikembangkan, termasuk algoritma Neural Network dan algoritma Random Forest. Penelitian ini bertujuan untuk menguji dan membandingkan efektivitas jaringan saraf dan algoritma Random Forest dalam klasifikasi kanker payudara berdasarkan data klinis dan histopatologi. Data yang digunakan dalam penelitian ini mencakup berbagai gambaran klinis dan histopatologis yang dikumpulkan dari pasien kanker payudara. Pendekatan pengolahan data dan pemodelan dilakukan dengan menggunakan teknik klasifikasi berbasis Neural Network dan Random Forest. Setelah menyelesaikan proses pelatihan dan pengujian menggunakan dataset yang sesuai, kinerja kedua algoritma dievaluasi berdasarkan beberapa metrik evaluasi termasuk akurasi, sensitivitas, spesifisitas sinyal dan area di bawah kurva ROC (Receiver Operating Characteristics). Hasilnya menunjukkan bahwa Neural Network dan Random Forest dapat mengklasifikasikan kanker payudara dengan tingkat akurasi yang signifikan. Data diolah menggunakan alat oranye dengan akurasi 96,11% untuk algoritma Neural Network dan 98,86% untuk algoritma Random Forest, yang menunjukkan bahwa Neural Networks memberikan kinerja yang sedikit dari pada algoritma Random Forest dalam hal sensitivitas dan spesifisitas.
References
E. Marfianti, “Peningkatan Pengetahuan Kanker Payudara dan Ketrampilan Periksa Payudara Sendiri (SADARI) untuk Deteksi Dini Kanker Payudara di Semutan Jatimulyo Dlingo,” Jurnal Abdimas Madani Dan Lestari (JAMALI), pp. 25–31, 2021.
E. Tiana and S. Wahyuni, “Hasil Analisis Teknik Data Mining dengan Metode Naive Bayes untuk Mendiagnosa Penyakit Kanker Payudara,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 1, no. 2, pp. 130–133, 2020.
A. E. T. Purba and E. H. Simanjuntak, “Efektivitas Pendidikan Kesehatan Sadari terhadap Peningkatan Pengetahuan dan Sikap Wus tentang Deteksi Dini Kanker Payudara,” Jurnal Bidan Komunitas, vol. 2, no. 3, p. 160, 2019.
R. M. Pulungan and F. R. Hardy, “EDUKASI †œSADARIâ€(PERIKSA PAYUDARA SENDIRI) UNTUK DETEKSI DINI KANKER PAYUDARA DI KELURAHAN CIPAYUNG KOTA DEPOK,” Diseminasi: Jurnal Pengabdian Kepada Masyarakat, vol. 2, no. 1, pp. 47–52, 2020.
M. A. Fais, M. R. A. Lubis, A. Aulia, and I. Syafitri, “Implementasi Algoritma Decision Tree untuk Klasifikasi Serangan Jantung,” Jurnal Sistem Informasi dan Ilmu Komputer, vol. 1, no. 4, pp. 207–212, 2023.
H. Hozairi, A. Anwari, and S. Alim, “Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayes,” Netw. Eng. Res. Oper, vol. 6, no. 2, p. 133, 2021.
W. Ramdhani, D. Bona, R. B. Musyaffa, and C. Rozikin, “Klasifikasi Penyakit Kangker Payudara Menggunakan Algoritma K-Nearest Neighbor,” Jurnal Ilmiah Wahana Pendidikan, vol. 8, no. 12, pp. 445–452, 2022.
G. Abdurrahman, “Klasifikasi Kanker Payudara Menggunakan Algoritma SVM dengan Kernel RBF, Linier, dan Sigmoid,” JUSTIFY: Jurnal Sistem Informasi Ibrahimy, vol. 2, no. 1, pp. 74–80, 2023.
Y. Verawati and M. S. Hasibuan, “Perbandingan Data Set IRIS Dengan Aplikasi Rapid Miner dan Orange menggunakan Algoritma Klasifikasi,” in Prosiding Seminar Nasional Darmajaya, 2021, pp. 158–163.
M. M. Mutoffar, M. Naseer, and A. Fadillah, “Klasifikasi Kualitas Air Sumur Menggunakan Algoritma Random Forest,” Naratif: Jurnal Nasional Riset, Aplikasi dan Teknik Informatika, vol. 4, no. 2, pp. 138–146, 2022.
V. Atina and N. A. Sudibyo, “PEMODELAN PREDIKSI KELULUSAN MAHASISWA DENGAN METODE NAÏVE BAYES DI UNIBA,” Jurnal Manajemen Informatika dan Sistem Informasi, vol. 6, no. 2, pp. 148–158, 2023.
I. Indriyanti, N. Ichsan, H. Fatah, T. Wahyuni, and E. Ermawati, “Implementasi Orange Data Mining Untuk Prediksi Harga Bitcoin,” Jurnal Responsif: Riset Sains dan Informatika, vol. 4, no. 2, pp. 118–125, 2022.
I. Ramadhan and K. Kurniawati, “Data mining untuk klasifikasi penderita kanker payudara berdasarkan data dari University Medical Center menggunakan algoritma naïve bayes,” JURIKOM (Jurnal Riset Komputer), vol. 7, no. 1, pp. 21–27, 2020.
H. Azis, P. Purnawansyah, F. Fattah, and I. P. Putri, “Performa Klasifikasi K-NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 81–86, 2020.
T. R. D. Saputri, T. Wiradinata, and Y. S. Soekamto, Belajar Regresi Dan Klasifikasi Secara Mudah Menggunakan Orange Data Mining. Deepublish, 2023.
N. Hadianto, H. B. Novitasari, and A. Rahmawati, “Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network,” Jurnal Pilar Nusa Mandiri, vol. 15, no. 2, pp. 163–170, 2019.
I. Yunianto, T. Haryanto, M. M. Mutoffar, Y. Fadhillah, and N. E. Putria, “Comparison of Stock Price Predictions Using Support Vector Regression and Recurrent Neural Network Methods,” in 2023 International Conference on Computer Science, Information Technology and Engineering (ICCoSITE), IEEE, 2023, pp. 927–932.
T. L. Octaviani and d Z. Rustam, “Random forest for breast cancer prediction,” in AIP Conference Proceedings, AIP Publishing, 2019.
U. Khultsum and A. Subekti, “Penerapan Algoritma Random Forest dengan Kombinasi Ekstraksi Fitur Untuk Klasifikasi Penyakit Daun Tomat,” Jurnal Media Informatika Budidarma, vol. 5, no. 1, pp. 186–193, 2021.
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
