Peningkatan Performa Naïve Bayes dengan Information Gain Menggunakan Machine Learning untuk Klasifikasi Kanker Payudara

Abstrak

Penelitian ini bertujuan untuk meningkatkan performa algoritma Naïve Bayes dalam klasifikasi diagnosis kanker payudara dengan mengintegrasikan metode seleksi fitur Information Gain. Dataset yang digunakan adalah Kanker Payudara Wisconsin (Diagnostik) yang terdiri dari 569 sampel. Penelitian ini menguji efektivitas metode seleksi fitur dalam meningkatkan akurasi, sensitivitas, dan spesifisitas model klasifikasi. Implementasi seleksi fitur Information Gain berhasil meningkatkan akurasi model Naïve Bayes dari 94.15% menjadi 96.49%, dengan peningkatan sebesar 2.34%. Penambahan metode seleksi fitur ini terbukti signifikan dalam meningkatkan kemampuan prediktif model. Hasil penelitian ini dapat mendukung pengambilan keputusan medis yang lebih tepat, berpotensi mempengaruhi keputusan pengobatan dan hasil pasien dalam praktik klinis. Penelitian ini memberikan wawasan baru mengenai penerapan machine learning dalam diagnostik medis dan menyarankan langkah-langkah lanjutan untuk penelitian lebih dalam di masa depan.

Identifier

• OpenAlex: https://openalex.org/W7161824592
• DOI: https://doi.org/10.33998/jms.2025.5.2.2338