<![CDATA[Kanker payudara adalah kanker nomor satu pada wanita. Sekitar 2.296.840 kasus baru kanker payudara terjadi pada wanita (World Cancer Fund, 2024). Kanker payudara adalah kondisi ganas yang menyerang jaringan payudara, berasal dari sel-sel kelenjar, saluran kelenjar, dan jaringan penunjang payudara (Liliek Pratiwi dkk., 2024, hlmn 4). Dalam bidang kesehatan, klasifikasi kanker payudara menjadi sangat penting untuk menentukan jenis perawatan yang tepat bagi pasien. Deteksi kanker sejak dini sangat penting untuk mendeteksi agar penyakit kanker payudara dapat ditangani lebih awal dan meningkatkan angka kesembuhan, namun metode tradisional memiliki keterbatasan dalam hal akurasi. Kesalahan diagnosis dapat menyebabkan pengobatan yang tidak sesuai dan berdampak pada kualitas hidup pasien. Oleh karena itu, diperlukan pendekatan teknologi berbasis machine learning yang lebih akurat untuk mendukung diagnosis kanker payudara. Salah satu metode yang sering digunakan adalah K-Nearest Neighbors (KNN). K-Nearest Neighbors (KNN) merupakan salah satu metode yang sering digunakan dalam klasifikasi kanker payudara karena kesederhanaan dan efektivitasnya dalam mengelompokkan data berdasarkan kedekatan jarak antar titikuan untuk mengulas beberapa penelitian terkait penerapan metode KNN pada klasifikasi kanker payudara, dengan fokus pada optimalisasi kinerja algoritma KNN, seperti penyesuaian parameter bobot, integrasi dengan metode lain, dan analisis perbandingan performa dengan algoritma alternatif. Namun, beberapa catat keterbatasan pada KNN, seperti sensitivitas terhadap data yang tidak seimbang dan efektivitas yang lebih rendah pada data besar. Dengan memperhatikan kelebihan dan kekurangannya, penelitian ini memberikan wawasan bagi pengembangan lebih lanjut dalam penggunaan metode KNN untuk klasifikasi kanker payudara.]]>
