Pendekatan Machine Learning yang Efisien untuk Prediksi Kanker Payudara

Abstract

Breast Cancer is the most common cancer found in women and the death rate is still in second place among other cancers. The high accuracy of the machine learning approach that has been proposed by related studies is often achieved. However, without efficient pre-processing, the model of Breast Cancer prediction that was proposed is still in question. Therefore, this research objective to improve the accuracy of machine learning methods through pre-processing: Missing Value Replacement, Data Transformation, Smoothing Noisy Data, Feature Selection / Attribute Weighting, Data Validation, and Unbalanced Class Reduction which is more efficient for Breast Cancer prediction. The results of this study propose several approaches: C4.5 - Z-Score - Genetic Algorithm for Breast Cancer Dataset with 77,27% accuracy, 7-Nearest Neighbor - Min-Max Normalization - Particle Swarm Optimization for Wisconsin Breast Cancer Dataset - Original with 97,85% accuracy, Artificial Neural Network - Z-Score - Forward Selection for Wisconsin Breast Cancer Dataset - Diagnostics with 98,24% accuracy, and 11-Nearest Neighbor - Min-Max Normalization - Particle Swarm Optimization for Wisconsin Breast Cancer Dataset - Prognostic with 83,33% accuracy. The performance of these approaches is better than standard/normal machine learning methods and the proposed methods by the best of previous related studies.

Deteksi Dini Kanker Payudara Menggunakan Metode Convolution Neural Network (CNN)

“…CNN merupakan metode yang paling direkomendasikan untuk mendeteksi suatu citra karena CNN dapat mendeteksi citra yang beresolusi tinggi maupun rendah dengan sangat baik (Dong et al, 2016;Ma et al, 2019;Sun et al, 2019). Machine learning yang lain memiliki akurasi dibawah CNN untuk mendeteksi suatu citra seperti algoritma ANN 74,48% (Janghel et al, 2010) dan SVM 73,7% (Azis et al, 2019).…”

Identifikasi Kualitas Udang Segar Menggunakan Metode Gray Level Co-Occurance Matrix dan Artificial Neural Network

“…Klasifikasi daging terbagi menjadi dua proses, yaitu training dan testing yang akan menggunakan Jaringan Syaraf Tiruan (JST) dengan metode Backpropagation. Tahapan Klasifikasi jenis daging yang dilakukan dalam penelitian ini meliputi citra masukan, pra pengolahan, ekstraksi ciri tekstur dan warna, ciri tekstur dan warna, menyimpan ciri tekstur dan warna ke basis data, klasifikasi menggunakan SVM, dan terakhir mendapatkan hasil klasifikasi [4].…”

Rancang Bangun Aplikasi Prediksi Kanker Payudara Dengan Pendekatan Machine Learning

“…Suatu kanker yang paling umum pada wanita yaitu kanker payudara. Kanker payudara masih memiliki tingkat kematian tertinggi kedua dari semua jenis kanker [3]. Sebuah studi menggunakan database dari GLOBOCAN, CDC, dan gudang kesehatan World Health Organization (WHO) menilik bahwa kanker payudara adalah penyakit mematikan yang merenggut ribuan nyawa setiap tahun [4].…”

“…Sebuah studi yang dilakukan oleh Azminuddin DKK mengevaluasi keefektifan pendekatan pembelajaran mesin yang digunakan untuk memprediksi kanker pankreas. Pada penelitian tersebut diatas, tujuan dari makalah ini adalah untuk meningkatkan produktivitas metode Machine Learning melalui proses preprocessing untuk memprediksi kanker payudara [3].…”