MODEL PREDIKSI KANKER

PAYUDARA MENGGUNAKAN
PENDEKATAN MACHINE
LEARNING

Inna Ekawati, S.T., MMSI.

Muhammad Amin Bakri, S.T., M.T.
PENDAHULUAN
 Penyakit Kanker Payudara

Kanker
payudara Jenis Penyakit Kanker
adalah sejenis
tumor ganas Payudara
yang
mengaktifkan
sel-sel
payudara
sehingga
berpotensi Benign (B) Maglinant (M)
menyebar ke Kanker Jinak Kanker Ganas
bagian tubuh
lainnya
 Latar Belakang
Permasalahan Solusi
Kanker payudara Dilakukan penelitian
sangat berbahaya dan menggunakan
mematikan sehingga pendekatan machine
perlu deteksi dini yang learning untuk deteksi
lebih cepat dan akurat secara otomatis

Kelemahan Metode yang

digunakan

Deteksi yang dilakukan Pemodelan dengan

selama ini relatif algoritma Super Vector
membutuhkan waktu Machine, Random
yang agak lama dan Forest, dan Logistic
tidak konsisten Regression
TUJUAN PENELITIAN

Menghasilkan sebuah model

prediksi kanker payudara berdasarkan
faktor-faktor prediktifnya dengan
menggunakan algoritma machine
learning.
 MANFAAT DAN KONTRIBUSI
PENELITIAN
Membantu pihak yang berkepentingan dalam
melakukan prediksi kanker payudara agar dapat
melakukan penanganan dan pencegahan yang
lebih cepat, konsisten dan scalable

Menjadi terobosan epistemologis dalam

mengembangkan kesimpulan induktif khususnya
terkait dengan bagaimana memprediksi kondisi
kanker payudara seorang pasien
Riset – Identifikasi Kanker Payudara Menggunakan Machine Learning

Asri et.al (2016) Li dan Chen (2018)

Perbandingan antara algoritma
SVM, Decision Tree , Naïve Perbandingan algoritma dengan
Bayes, dan k-Nearest Neighbors indikator menyimpulkan bahwa
menyimpulkan bahwa SVM Random Forest memiliki kinerja
memiliki akurasi tertinggi yang lebih baik dibanding yang
(97,13%) lain

Vaka et.al (2020)
Perbandingan antara algoritma
metode baru yang diberi nama
DNNS (Deep Neural Network
with Support Value). Hasilnya
menunjukkan bahwa DNNS
cukup baik dibanding dengan
metode yang ada sebelumnya
Agarap (2019)
2016 Perbandingan terhadap enam 2018
algoritma GRU-SVM, Linier
Regression, Multi Layer Percep-
ton, Nearest Neighbour Search,
Softmax Regression, dan
Support Vector Machine.
Hasilnya semua akurasi diatas
90%

2020 2019
TAHAPAN PENELITIAN
HASIL PREDIKSI
HASIL PENGUJIAN RANDOM FOREST
HASIL PENGUJIAN SVM
HASIL PENGUJIAN LOGISTIC REGRESSION
HASIL PENGUJIAN ROC
Analysis
 KESIMPULAN
Kemampuan identifikasi (akurasi) rata-
rata untuk menunjukkan pemodelan dan
evaluasi Random Forest, SVM, dan Logistic
Regression menunjukkan akurasi yang sangat
baik, yaitu ketiganya lebih dari angka 90%. Dari
ketiga algoritma tersebut, Random Forest-lah
yang memiliki tingkat akurasi paling tinggi.
Kinerja prediksi dari model ini unggul dalam
sensitivitas, spesifisitas, akurasi, dan recall
 SARAN
Do you need
an online
doctor now?
Pada penelitian selanjutnya ketiga
algoritma ini perlu diujicobakan pada dataset
kanker payudara yang lain dengan tujuan untuk
meningkatkan akurasi dan memperbaiki
generalisasi.
Terima Kasih