PERBANDINGAN KINERJA METODE SUPPORT VECTOR MACHINE (SVM) DAN REGRESI LOGISTIK DALAM PREDIKSI KANKER PAYUDARA DENGAN MENGGUNAKAN DATA SKLEARN

• GALIH RAKASIWI
• 2024

---

Kanker payudara adalah jenis kanker umum di antara wanita, dan deteksi dini sangat penting untuk meningkatkan peluang kesembuhan dan mengurangi angka kematian. Penggunaan pembelajaran mesin dalam deteksi kanker payudara menunjukkan potensi signifikan dalam membantu profesional medis. Penelitian ini membandingkan kinerja dua algoritma pembelajaran mesin, yaitu Support Vector Machine (SVM) dan Regresi Logistik, dalam mendeteksi kanker payudara. Dataset kanker payudara dari UCI Machine Learning Repository dibagi menjadi data latih dan uji dengan rasio 80:20 dan diskalakan menggunakan StandardScaler. Dua model, SVM dengan kernel linear dan Regresi Logistik, dilatih dan diuji. Evaluasi menggunakan metrik akurasi, presisi, recall, dan confusion matrix. K-Fold Cross Validation dengan 10 fold digunakan untuk estimasi kinerja yang lebih akurat. Hasil menunjukkan bahwa model SVM mencapai akurasi 0.9561, presisi 0.9714, dan recall 0.9577. Model Regresi Logistik mencapai akurasi 0.9737, presisi 0.9722, dan recall 0.9859, yang menunjukkan performa lebih baik. Namun, 10-fold Cross Validation menunjukkan bahwa akurasi rata-rata SVM adalah 0.9577, sedangkan Regresi Logistik adalah 0.9490, menunjukkan performa SVM yang lebih konsisten. Kesimpulannya, SVM menunjukkan sedikit keunggulan dibandingkan Regresi Logistik dalam mendeteksi kanker payudara. Kedua model menunjukkan kinerja sangat baik dan dapat menjadi alat efektif dalam deteksi dini kanker payudara.

• Regresi logistik
• Support Vector Machine
• akurasi
• scikit-learn
• K fold Cross Validation
• Kanker Pay

https://repository.bsi.ac.id/repo/52580/PERBANDINGAN-KINERJA-METODE-SUPPORT-VECTOR-MACHINE-(SVM)-DAN-REGRESI-LOGISTIK-DALAM-PREDIKSI-KANKER-PAYUDARA-DENGAN-MENGGUNAKAN-DATA-SKLEARN
Anda dapat membaca file tugas akhir ini di repository.