| NIM | K1B022049 |
|---|
| Namamhs | MELINA KHARISA |
|---|
| Judul Artikel | IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI TUMOR PAYUDARA BERDASARKAN DATA KLINIS PASIEN
|
|---|
| Abstrak (Bhs. Indonesia) | Tumor payudara merupakan salah satu masalah kesehatan yang banyak dialami perempuan dan berpotensi berkembang menjadi kanker akibat rendahnya deteksi dini, sehingga diperlukan metode yang mampu mengklasifikasikan tumor payudara secara akurat berdasarkan data klinis pasien. Penelitian ini bertujuan mengimplementasikan algoritma Random Forest untuk mengklasifikasikan tumor payudara menjadi dua kelas, yaitu jinak dan ganas, serta mengevaluasi performa model yang dihasilkan. Data yang digunakan merupakan data rekam medis pasien tumor payudara di RSUD Prof. Dr. Margono Soekarjo. Tahapan penelitian meliputi analisis deskriptif, preprocessing data, pembagian data latih dan uji dengan beberapa rasio, hyperparameter tuning, serta klasifikasi menggunakan Random Forest. Evaluasi dilakukan menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa Random Forest memberikan performa yang sangat baik dengan akurasi tertinggi sebesar 97,2% pada rasio 80:20, serta 97% dan 96% pada rasio 75:25 dan 70:30. Nilai presisi dan recall yang tinggi menunjukkan efektivitas model dalam membedakan tumor payudara jinak dan ganas |
|---|
| Abtrak (Bhs. Inggris) | . Breast tumors are one of the health problems commonly experienced by women and have the potential to develop into cancer due to the low rate of early detection. Therefore, a method capable of accurately classifying breast tumors based on patients’ clinical data is needed. This study aims to implement the Random Forest algorithm to classify breast tumors into two categories, benign and malignant, and to evaluate the performance of the resulting model. The data used in this study consist of medical records of breast tumor patients from RSUD Prof. Dr. Margono Soekarjo. The research stages include descriptive analysis, data preprocessing, splitting the dataset into training and testing sets with several ratios, hyperparameter tuning, and classification using the Random Forest algorithm. Model evaluation was conducted using a confusion matrix. The results show that the Random Forest algorithm achieved excellent performance, with the highest accuracy of 97.2% at the 80:20 split ratio, and accuracies of 97% and 96% at the 75:25 and 70:30 ratios, respectively. High precision and recall values indicate that the model is effective in distinguishing between benign and malignant breast tumors. |
|---|
| Kata kunci | tumor payudara, klasifikasi, random forest, machine learning |
|---|
| Pembimbing 1 | Dra. Mutia Nur Estri, M.Kom |
|---|
| Pembimbing 2 | Dra. Ari Wardayani, M.Si |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2026 |
|---|
| Jumlah Halaman | 12 |
|---|
| Tgl. Entri | 2026-02-20 22:42:19.569443 |
|---|