GULTOM, Semja Duari (2025) Prediksi Stadium Kanker Payudara M enggunakan Algoritma Random Forest. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (33kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (209kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (354kB)
	Text 4. KATA PENGANTAR.pdf Download (550kB)
	Text 6. ABSTRAK.pdf Download (326kB)
	Text 7. ABSTRACK.pdf Download (326kB)
	Text 8. DAFTAR ISI.pdf Download (243kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (462kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (467kB)

Abstract

Kanker payudara merupakan salah satu jenis kanker yang paling umum menyerang
jaringan kelenjar susu dan menjadi penyebab utama kematian pada wanita di seluruh dunia.
Penentuan stadium kanker sangat penting dalam memilih strategi pengobatan yang tepat.
Penelitian ini bertujuan untuk mengklasifikasikan stadium kanker payudara menggunakan
algoritma Random Forest serta mengidentifikasi fitur klinis yang paling berpengaruh
dalam proses klasifikasi. Dataset yang digunakan berasal dari SEER Breast Cancer Data –
Labeled yang dipublikasikan oleh National Cancer Institute (NCI) dan tersedia di platform
Kaggle. Dataset ini terdiri dari 4,024 data pasien wanita dengan informasi klinis lengkap,
seperti ukuran kanker, status kelenjar getah bening, dan tingkat diferensiasi sel kanker.
Setelah dilakukan tahap pra-pemrosesan dan pelatihan model, algoritma Random Forest
berhasil mencapai performa klasifikasi yang tinggi dengan tingkat akurasi sebesar 77,01%
pada data uji sebanyak 805 entri. Model mampu mengklasifikasikan keempat stadium
kanker dengan performa sangat baik pada stadium 0 dan 1, serta hasil yang memadai pada
stadium 2 dan 3. Penelitian ini menunjukkan bahwa algoritma Random Forest efektif
digunakan sebagai alat bantu diagnosis berbasis data untuk klasifikasi otomatis stadium
kanker payudara.
Kata Kunci: Kanker Payudara, Random Forest, Stadium Kanker, Pembelajaran Mesin,
Pentingnya Fitur, Klasifikasi, Dataset SEER.

Actions (login required)

View Item