<![CDATA[Perkembangan teknologi informasi khususnya kecerdasan buatan dan machine learning, telah meningkatkan efektivitas deteksi dini penyakit seperti kanker payudara. Namun, tingginya angka kejadian dan kematian akibat kanker payudara di Indonesia masih menjadi tantangan besar, terutama karena rendahnya tingkat deteksi dini dan banyak pasien datang dalam stadium lanjut. Penelitian ini membandingkan performa tiga algoritma machine learning, yaitu Random Forest, Artificial Neural Network (ANN), dan Logistic Regression, dalam memprediksi diagnosis kanker payudara berdasarkan akurasi, efisiensi komputasi, dan kestabilan kinerja. Evaluasi dilakukan dengan classification report dan validasi silang 10-Fold Cross Validation. Hasil menunjukkan Logistic Regression memiliki akurasi rata-rata tertinggi sebesar 77,56% dan waktu eksekusi tercepat, yaitu 0,024897 detik, menandakan efisiensi dan kestabilan yang baik. Random Forest memberikan akurasi classification report 80% dan nilai AUC tertinggi 0,89, menunjukkan keunggulan dalam diskriminasi kelas. ANN memiliki performa terendah dengan akurasi validasi silang 74,64% dan recall rendah untuk kelas positif. Logistic Regression direkomendasikan sebagai model paling seimbang, sementara Random Forest sebagai alternatif akurasi tinggi.Kata Kunci: Random Forest, Artificial Neural Networks, Logistic Regression, Breast Cancer Prediction, Machine Learning]]>
Copyrights © 2025
