Klasifikasi Pasien Terkena Breast Cancer Menggunakan Metode Machine Learning

Abstract

Kanker payudara adalah salah satu keganasan terbanyak dan memiliki angka kematian cukup tinggi pada wanita. Menurut data World Health Organization (WHO) pada tahun 2020, terdapat 2,3 juta wanita yang terdiagnosis kanker payudara dan 685,000 kematian secara global. Hingga akhir tahun 2020, ada 7,8 juta wanita hidup yang didiagnosis menderita kanker payudara dalam 5 tahun terakhir, menjadikannya kanker paling umum di dunia. Ada lebih banyak tahun hidup yang disesuaikan dengan disabilitas yang hilang (DALYs) oleh wanita karena kanker payudara secara global daripada jenis kanker lainnya. Kanker payudara terjadi di setiap negara di dunia pada wanita pada usia berapa pun setelah pubertas tetapi dengan tingkat yang meningkat di kemudian hari. Kematian akibat kanker payudara tidak banyak berubah dari tahun 1930-an hingga 1970-an. Perbaikan dalam kelangsungan hidup dimulai pada 1980-an di negara-negara dengan program deteksi dini yang dikombinasikan dengan berbagai cara pengobatan untuk memberantas penyakit infasif. Untuk mencari solusi supaya bisa mengurangi korban jiwa yang diakibatkan oleh kanker payudara, maka kami ingin membuat sebuah sistem yang bisa mengklasifikasi apakah seseorang terkena kanker payudara yang termasuk Benign (tumbuh perlahan, tidak menyebar) atau Malignant (ganas, dan bisa menyebar) dengan beberapa metode machine learning. Data yang digunakan untuk penelitian ini berasal dari Wisconsin yang didapat dari UCI Machine Leaning Repository. Metode yang akan digunakan adalah Logistic Regression, Random Forest dan Decision Tree. Dari ketiga metode tersebut akan dibandingkan manakah model yang memberikan nilai akurasi paling bagus. Setelah melakukan uji coba terhadap dataset test, hasil penelitian ini menunjukkan bahwa dari ketiga metode tersebut, Decision Tree memberikan nilai akurasi paling tinggi, posisi kedua adalah Random Forest, dan hasil paling kecil adalah Logistic Regression. Kesimpulan yang didapat adalah ketiga metode machine learning ini dapat digunakan dan diterapkan ke dalam kasus prediksi klasifikasi kanker payudara benign atau malignant, dan decision tree memberikan hasil paling tinggi. Dengan pengetahuan ini, orang yang terkena kanker payudara bisa mengambil keputusan mengenai cara mengatasi kanker tersebutKanker payudara adalah salah satu keganasan terbanyak dan memiliki angka kematian cukup tinggi pada wanita. Menurut data World Health Organization (WHO) pada tahun 2020, terdapat 2,3 juta wanita yang terdiagnosis kanker payudara dan 685,000 kematian secara global. Hingga akhir tahun 2020, ada 7,8 juta wanita hidup yang didiagnosis menderita kanker payudara dalam 5 tahun terakhir, menjadikannya kanker paling umum di dunia. Ada lebih banyak tahun hidup yang disesuaikan dengan disabilitas yang hilang (DALYs) oleh wanita karena kanker payudara secara global daripada jenis kanker lainnya. Kanker payudara terjadi di setiap negara di dunia pada wanita pada usia berapa pun setelah pubertas tetapi dengan tingkat yang meningkat di kemudian hari. Kematian akibat kanker payudara tidak banyak berubah dari tahun 1930-an hingga 1970-an. Perbaikan dalam kelangsungan hidup dimulai pada 1980-an di negara-negara dengan program deteksi dini yang dikombinasikan dengan berbagai cara pengobatan untuk memberantas penyakit infasif. Untuk mencari solusi supaya bisa mengurangi korban jiwa yang diakibatkan oleh kanker payudara, maka kami ingin membuat sebuah sistem yang bisa mengklasifikasi apakah seseorang terkena kanker payudara yang termasuk Benign (tumbuh perlahan, tidak menyebar) atau Malignant (ganas, dan bisa menyebar) dengan beberapa metode machine learning. Data yang digunakan untuk penelitian ini berasal dari Wisconsin yang didapat dari UCI Machine Leaning Repository. Metode yang akan digunakan adalah Logistic Regression, Random Forest dan Decision Tree. Dari ketiga metode tersebut akan dibandingkan manakah model yang memberikan nilai akurasi paling bagus. Setelah melakukan uji coba terhadap dataset test, hasil penelitian ini menunjukkan bahwa dari ketiga metode tersebut, Decision Tree memberikan nilai akurasi paling tinggi, posisi kedua adalah Random Forest, dan hasil paling kecil adalah Logistic Regression. Kesimpulan yang didapat adalah ketiga metode machine learning ini dapat digunakan dan diterapkan ke dalam kasus prediksi klasifikasi kanker payudara benign atau malignant, dan decision tree memberikan hasil paling tinggi. Dengan pengetahuan ini, orang yang terkena kanker payudara bisa mengambil keputusan mengenai cara mengatasi kanker tersebut