MENAKAR TINGKAT AKURASI SUPPORT VECTOR MACHINE STUDY KASUS KANKER PAYUDARA

Abstract

Kanker payudara adalah salah satu jenis kanker yang paling banyak menyerang kaum wanita. Menurut WHO 8-9% wanita akan mengalami kanker payudara. Pada tahun 2000 yang lalu WHO memperkirakan 1,2 juta wanita terdiagnosis kanker payudara dan lebih dari 700.000 meninggal dunia (WHO, 2005). Di Indonesia, pada tahun 2005 kanker payudara menduduki peringkat kedua setelah kanker leher rahim diantara kanker yang menyerang wanita Indonesia. Kanker ini sering menyebabkan kematian jika penangannya terlambat. Oleh karena itu, deteksi dini penyakit kanker payudara sangat diperlukan. Dewasa ini, penggunaan machine learning untuk diagnosis atau prognosis suatu penyakit telah banyak dilakukan. Dalam penelitian ini, ada metode yang terkenal dalam machine learning yaitu Support Vector Machine (SVM) digunakan untuk analisis diagnosis dan prognosis kanker payudara. SVM merupakan salah satu machine learning yang mempunyai beberapa kelebihan, diantaranya bisa memodelkan dan mengklasifikasikan hubungan antar variabel tanpa perlu asumsi yang ketat, efisien, dan interpretasinya mudah. SVM dalam mengklasifikasikan kategori penyakit penyakit kanker payudara akan bandingkan dengan metode statistika lainnya yaitu  Regresi Logistik dan CART . Selanjutnya masing- masing hasil metode klasifikasi tersebut akan bandingkan dengan hasil dugaan K-Mean dan Kernel K-Mean Clustering.  Maka dapat simpulkan seberapa akurat dan efisien antara SVM, Regresi Logistik,  dan CART  dalam ketepatan akurasi.

Kata Kunci: Kanker Payudara, SVM, Regresi Logistik, CART, K- Mean dan Kernel K-Mean