Detail Cantuman

Kanker payudara merupakan tumor ganas yang berasal dari sel-sel di payudara, merupakan penyebab utama kematian pada wanita di Indonesia. Insidensi karsinoma payudara di negara berkembang mencapai 11,5% per tahun, dengan sekitar 20.000 kasus baru setiap tahunnya sejak 2006. Penelitian ini menggunakan dataset data sekunder yang memiliki 10 fitur pada hasil pemeriksaan kanker payudara dan menerapkan seleksi fitur PCA pada metode machine learning Random Forest dan Adaboost. Berdasarkan penelitian didapat hasil yang menunjukkan bahwa accuracy Random Forest meningkat dari 83,34% menjadi 95,83% (peningkatan 14,98%) dengan hyperparameter yang memiliki kinerja terbaik yaitu GridseacrhCV, sementara accuracy Adaboost meningkat dari 83,33% menjadi 91,66% (peningkatan 9,34%) dengan hyperparameter yang memiliki kinerja Bayesian Optimazation. Random Forest
memberikan accuracy yang lebih tinggi dibandingkan Adaboost dalam mendeteksi kanker payudara. Kata kunci : Kanker payudara, PCA, Random Forest, Adaboost