KLASIFIKASI KANKER PAYUDARA MENGGUNAKAN SUPPORT VECTOR MACHINE ( SVM) DAN FORWARD SELECTION

Kanker payudara mewakili sekitar 12% dari semua kasus kanker baru dan 25% dari semua kanker pada wanita. Deteksi dini dan klasifikasi kanker sangat penting untuk menyelamatkan nyawa seseorang. Salah satu penyakit mengerikan yang mempengaruhi wanita adalah kanker payudara dan itu menjadi perhatian utama di bidang medis. Kanker payudara muncul dari jaringan sel-sel payudara. Penyebab kanker payudara adalah multi faktorial dan melibatkan riwayat keluarga, obesitas, hormon, terapi radiasi, dan bahkan faktor reproduksi. Setiap tahun, satu juta wanita baru didiagnosis menderita kanker payudara, menurut laporan organisasi kesehatan dunia setengah dari mereka akan mati, karena biasanya terlambat ketika dokter mendeteksi kanker. Machine Learning adalah cabang ilmu pengetahuan yang mengimplementasikan algoritma matematika ke dalam pemrograman komputer untuk mengidentifikasi pola data dan meningkatkan kinerja secara iteratif. Aplikasi pembelajaran mesin telah memecahkan banyak masalah seperti, prediksi pasien kanker dan prediksi kebangkrutan perusahaan. Forward selection adalah jenis regresi bertahap yang dimulai dengan model kosong. Dalam seleksi forward, variabel pertama yang dipilih untuk entri ke dalam model yang sudah dibangun adalah yang memiliki korelasi terbesar dengan variabel dependen. Setelah variabel telah dipilih kemudian dievaluasi berdasarkan kriteria tertentu. Jika variabel yang dipilih pertama memenuhi kriteria untuk dimasukkan, maka pemilihan maju berlanjut. Prosedur berhenti, ketika tidak ada variabel lain yang tersisa yang memenuhi kriteria entri dan menambahkan variabel satu per satu.Tingkat akurasi pada Support Vector Machine dipengaruhi oleh beberapa faktor antara lain perbandingan antara jumlah data latih dan data uji yang disesuaikan dengan k-fold validation-nya. Pada perbandingan data latih dan data uji, akurasi yang dihasilkan mencapai 97,68% dengan jumlah komposisi data latih sebanyak 345 data (50%) dan data uji sebanyak 345 data (50%). Pada pengujian yang dilakukan, diperoleh akurasi Support Vector Machine dan Forward Selection sebesar 97,68%.