Deteksi dini kanker paru-paru sangat penting untuk meningkatkan peluang kesembuhan. Penelitian ini membandingkan performa sembilan algoritma klasifikasi (AdaBoost, ANN, Decision Tree, Gradient Boosting, KNN, Logistic Regression, Naïve Bayes, Random Forest, dan SVM) menggunakan RapidMiner dan NusaMiner. Dataset berasal dari Kaggle dengan 309 data pasien dan 16 atribut terkait faktor risiko serta gejala klinis. Evaluasi dilakukan berdasarkan akurasi, precision, recall, F1-score, dan AUC pada rasio 70:30, 80:20, dan 90:10. Hasil menunjukkan NusaMiner memberikan akurasi lebih tinggi dan stabil dibanding RapidMiner. Algoritma Gradient Boosting dan Random Forest mencapai akurasi 100% pada beberapa rasio, sementara Naïve Bayes menunjukkan akurasi terendah di RapidMiner. Temuan ini menegaskan pentingnya pemilihan algoritma dan platform dalam meningkatkan efektivitas sistem deteksi kanker paru-paru berbasis machine learning.