<![CDATA[Kanker payudara merupakan salah satu penyakit paling umum dan sangat berbahaya bagi perempuan di seluruh dunia. Untuk meningkatkan kemungkinan keberhasilan pengobatan dan mengurangi angka kematian, deteksi dini yang akurat sangat penting. Penelitian ini bertujuan untuk mengatur informasi tentang kanker payudara menggunakan algoritma Decision Tree dengan perangkat lunak RapidMiner. Metode ini dipilih karena mampu menghasilkan model klasifikasi yang transparan, mudah dipahami, dan efektif untuk pengambilan keputusan medis. Data yang digunakan berasal dari sumber publik dan mencakup berbagai faktor diagnostik, termasuk ukuran tumor, ketebalan epitel, dan karakteristik sel. Setelah data diproses, model dilatih dan diuji menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Temuan dari penelitian menunjukkan bahwa algoritma Decision Tree dapat mengklasifikasikan data dengan tingkat akurasi yang tinggi. Visualisasi pohon keputusan memberikan pemahaman yang jelas mengenai atribut yang paling berpengaruh, sehingga penelitian ini berpotensi mendukung pengembangan sistem diagnosis kanker payudara yang lebih efisien dan akurat di masa mendatang. Kata Kunci: Kanker payudara, Decision Tree, RapidMiner, Klasifikasi data, Diagnosis medis, Machine learning]]>
Copyrights © 2025
