<![CDATA[Kanker payudara merupakan salah satu penyebab utama kematian pada perempuan, sehingga diperlukan upaya deteksi dini yang efektif dan mudah diimplementasikan. Namun, metode deteksi dini yang tersedia masih memiliki keterbatasan dari sisi invasivitas serta keterbatasan fasilitas, yang berpotensi menurunkan partisipasi pasien dalam pemeriksaan. Penelitian ini bertujuan untuk menerapkan pendekatan machine learning menggunakan model Support Vector Machine (SVM) dalam membangun sistem skrining awal kanker payudara berbasis sinyal electrocardiogram (ECG) dengan memanfaatkan parameter heart rate variability (HRV) domain frekuensi. Fitur HRV yang digunakan meliputi low frequency (LF), high frequency (HF), dan rasio LF/HF, yang diekstraksi dari sinyal ECG dan digunakan sebagai masukan pada model klasifikasi SVM. Evaluasi kinerja sistem dilakukan berdasarkan kemampuan deteksi R-peak, kinerja klasifikasi, dan waktu komputasi. Hasil menunjukkan bahwa sistem mampu melakukan deteksi R-peak dengan akurasi rata-rata sebesar 98%, sehingga fitur HRV dapat dihitung secara andal. Model SVM menghasilkan akurasi klasifikasi sebesar 60% pada data uji, dengan performa yang lebih baik dalam mengidentifikasi subjek sehat dibandingkan subjek dengan indikasi kanker payudara. Hasil ini menunjukkan bahwa HRV domain frekuensi memiliki potensi sebagai indikator fisiologis pendukung dalam sistem skrining awal kanker payudara, meskipun masih memiliki keterbatasan apabila digunakan sebagai satu-satunya dasar deteksi.]]>
Copyrights © 2026
