TY  - THES
TI  - ANALISIS PERBANDINGAN ALGORITMA SUPPORT
VECTOR MACHINE DAN DECISION TREE PADA
KLASIFIKASI KANKER PAYUDARA
AV  - restricted
M1  - bachelor
A1  - Atmaja, Guntur Tri
UR  - https://eprints.amikom.ac.id/id/eprint/33115/
KW  - kanker payudara
KW  -  klasifikasi
KW  -  Support Vector Machine
KW  -  Decision
Tree
KW  -  machine learning
KW  -   breast cancer
KW  -  classification.
N2  - Kanker 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.
ID  - universitasamikomyogyakarta33115
Y1  - 2025/01/28/
PB  - Universitas AMIKOM Yogyakarta
ER  -