<![CDATA[Meskipun teknik preprocessing diakui penting dalam machine learning untuk diagnosis medis, penelitian yang secara sistematis membandingkan dampak berbagai teknik preprocessing pada multiple model untuk klasifikasi kanker payudara masih terbatas. Penelitian ini mengkaji dampak berbagai teknik preprocessing terhadap performa model machine learning untuk diagnosis kanker payudara. Berbeda dengan penelitian sebelumnya yang menguji satu teknik preprocessing secara terpisah, penelitian ini menyajikan evaluasi terintegrasi empat level preprocessing pada empat model klasifikasi dalam kerangka eksperimen yang sama. Kinerja model yang dibandingkan adalah Logistic Regression, Support Vector Machine (SVM), Random Forest, dan XGBoost pada empat level preprocessing, yaitu data mentah, data ternormalisasi, data dengan seleksi fitur, dan data yang diproses secara menyeluruh. Dataset Kanker Payudara yang digunakan adalah dataset Wisconsin dengan 569 sampel. Evaluasi performa model dilakukan melalui metrik akurasi, AUC, presisi, recall, dan skor F1. Hasil menunjukkan bahwa seleksi fitur secara signifikan meningkatkan kinerja classifier, terutama untuk Logistic Regression yang mencapai akurasi tertinggi (98,25%) saat menggunakan seleksi fitur. Pendekatan preprocessing menyeluruh dengan SMOTE menyeimbangkan distribusi kelas dan meningkatkan recall untuk kasus ganas. Random Forest dan XGBoost menunjukkan performa baik bahkan dengan preprocessing minimal, yang berarti keduanya robust terhadap data yang tidak diproses. Hasil penelitian menunjukkan bahwa teknik preprocessing yang tepat dapat secara substansial meningkatkan kinerja model dalam klasifikasi kanker payudara, berpotensi meningkatkan akurasi diagnosis dalam pengaturan klinis. Abstract While preprocessing techniques are recognized as important in machine learning for medical diagnosis, research that systematically compares the impact of various preprocessing techniques on multiple models for breast cancer classification remains limited. This study examines the impact of different preprocessing techniques on the performance of machine learning models for breast cancer diagnosis. Unlike previous studies that tested individual preprocessing techniques separately, this research presents an integrated evaluation of four preprocessing levels across four classification models within the same experimental framework. We compared the performance of Logistic Regression, Support Vector Machine (SVM), Random Forest, and XGBoost classifiers across four preprocessing levels: raw data, normalized data, feature-selected data, and fully preprocessed data (with normalization, feature selection, and SMOTE). Using the Wisconsin Breast Cancer Dataset with 569 samples, we evaluated model performance through accuracy, AUC, precision, recall, and F1 score metrics. Results showed that feature selection significantly improved classifier performance, particularly for Logistic Regression, which achieved the highest accuracy (98.25%) when using feature selection. The fully preprocessed approach with SMOTE balanced class distribution further improved recall for malignant cases. Random Forest and XGBoost performed well even with minimal preprocessing, suggesting their robustness to unprocessed data. Our findings demonstrate that appropriate preprocessing techniques can substantially enhance model performance in breast cancer classification, potentially improving diagnostic accuracy in clinical settings. ]]>
