Klasifikasi Kanker Payudara Menggunakan Extra Tree Dengan Smote

Abstract

Kanker payudara merupakan jenis kanker yang seringkali didiagnosis pada wanita. Di Indonesia, kanker payudara merupakan jenis kanker dengan tingkat kejadian tertinggi yang menempati peringkat kedua setelah kanker serviks. Mengidentifikasi kanker payudara pada tahap awal sangat krusial untuk mencegah perkembangan yang cepat, selain dari perkembangan metode pencegahan. Metode pembelajaran mesin (ML) dapat digunakan untuk mengindentifikasi kanker payudara. Dalam kasus klasifikasi kanker payudara, mayoritas data yang digunakan mengalami permasalahan data ketidakseimbangan kelas antara kanker payudara dan non-kanker payudara. Untuk mengatasi permasalahan ini digunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) dengan algoritma extra tree. Extra Tree dipilih karena kemampuannya dalam menangani kasus-kasus kompleks dan tingkat akurasi yang tinggi. Hasil eksperimen menunjukkan keberhasilan metode Extra Tree dengan SMOTE, dengan tingkat akurasi mencapai 96.71%, Recall sebesar 95.29%, Precision sebesar 96.13%, F1 Score sebesar 95.61%, dan Area Under the Curve (AUC) sebesar 99.46%. Temuan ini mengindikasikan bahwa penggunaan metode ini memberikan kontribusi positif dalam meningkatkan kemampuan klasifikasi kanker payudara, yang dapat berpotensi meningkatkan keberhasilan deteksi dini dan pengelolaan penyakit ini dalam praktik klinis.