KLASIFIKASI RANDOM FOREST TERHADAP DIAGNOSA PENYAKIT KANKER PAYUDARA BERDASARKAN STATUS KEGANASAN
Abstrak
Kanker payudara ialah salah satu penyakit dengan tingkat kematian tertinggi di dunia. Terdapat dua jenis kanker payudara, yakni ganas dan jinak. Identifikasi jenisnya memungkinkan pencegahan dan pengobatan yang tepat sebelum menyebar ke organ lain. Oleh karena itu, diperlukan analisis klasifikasi data kanker payudara dalam jumlah besar. Teknik data mining, seperti random forest, dapat dipakai karena mampu memberikan prediksi yang akurat dengan tingkat kesalahan rendah. Hasil penelitian ini menunjukkan bahwa *Random Forest merupakan metode yang efektif dan akurat untuk klasifikasi kanker payudara dengan akurasi 95% serta nilai AUV-ROC sebesar 0.99 dan recall 97% yang menunjukkan kemampuan model dalam membedakan kedua jenis kanker payudara dengan sangat baik sehingga dapat mengurangi resiko. Penggunaan teknik 5-Fold Cross-Validation) memastikan bahwa hasil yang diperoleh stabil dan tidak bergantung pada pem-bagian data tertentu, sehingga meningkatkan gen-eralisasi model. Eksperimen terhadap berbagai parameter (n_estimators, max_depth, ukuran da-ta latih) menunjukkan bahwa konfigurasi terbaik adalah n_estimators = 100 dan max_depth = 10, yang memberikan keseimbangan optimal antara akurasi dan kompleksitas model. Model ini dapat diterapkan dalam **sistem pendukung keputusan medis (Medical Decision Support System)* untuk membantu dokter dalam *deteksi dini kanker payudara*, sehingga meningkatkan kecepatan dan keakuratan diagnosa.
Identifier
- OpenAlex: https://openalex.org/W4411370751
- DOI: https://doi.org/10.46764/teknimedia.v6i1.259

