<![CDATA[Kanker payudara adalah penyakit yang menyerang jutaan wanita di seluruh dunia setiap tahunnya. Untuk meningkatkan deteksi dini, berbagai metode dan algoritma telah dikembangkan, termasuk algoritma Neural Network dan algoritma Random Forest. Penelitian ini bertujuan untuk menguji dan membandingkan efektivitas jaringan saraf dan algoritma Random Forest dalam klasifikasi kanker payudara berdasarkan data klinis dan histopatologi. Data yang digunakan dalam penelitian ini mencakup berbagai gambaran klinis dan histopatologis yang dikumpulkan dari pasien kanker payudara. Pendekatan pengolahan data dan pemodelan dilakukan dengan menggunakan teknik klasifikasi berbasis Neural Network dan Random Forest. Setelah menyelesaikan proses pelatihan dan pengujian menggunakan dataset yang sesuai, kinerja kedua algoritma dievaluasi berdasarkan beberapa metrik evaluasi termasuk akurasi, sensitivitas, spesifisitas sinyal dan area di bawah kurva ROC (Receiver Operating Characteristics). Hasilnya menunjukkan bahwa Neural Network dan Random Forest dapat mengklasifikasikan kanker payudara dengan tingkat akurasi yang signifikan. Data diolah menggunakan alat oranye dengan akurasi 96,11% untuk algoritma Neural Network dan 98,86% untuk algoritma Random Forest, yang menunjukkan bahwa Neural Networks memberikan kinerja yang sedikit dari pada algoritma Random Forest dalam hal sensitivitas dan spesifisitas. ]]>
Copyrights © 2024
