EPrints Universitas Amikom YogyakartaANALISIS PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN DECISION TREE PADA KLASIFIKASI KANKER PAYUDARAGuntur TriAtmajaauthorKanker payudara merupakan salah satu jenis kanker yang paling umum diderita oleh perempuan di seluruh dunia, dan deteksi dini sangat penting untuk meningkatkan peluang kesembuhan. Namun, proses diagnosis yang masih konvensional kerap membutuhkan waktu dan biaya yang tidak sedikit, serta rentan terhadap kesalahan interpretasi. Penelitian ini bertujuan untuk mengklasifikasikan jenis kanker payudara menjadi jinak dan ganas secara otomatis menggunakan algoritma machine learning, yaitu Support Vector Machine (SVM) dan Decision Tree. Data yang digunakan berasal dari Breast Cancer Wisconsin Diagnostic Dataset (WBCD), yang terdiri dari 569 data sampel dan 30 fitur numerik. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan (normalisasi dan pembagian data latih-uji), implementasi model klasifikasi SVM dan Decision Tree, serta evaluasi kinerja dengan metrik akurasi, presisi, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa SVM memberikan performa lebih unggul dengan akurasi 98,25% dan AUC 99,37%, dibandingkan Decision Tree yang memiliki akurasi 92,11%. Penelitian ini memberikan kontribusi dalam pengembangan sistem pendukung keputusan untuk deteksi kanker payudara secara lebih cepat, efisien, dan berbasis data. Hasil penelitian ini dapat dimanfaatkan oleh praktisi medis, pengembang sistem kesehatan cerdas, maupun peneliti di bidang data mining dan bioinformatika.000 Ilmu komputer, informasi dan pekerjaan umum2025-01-28Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.