MENINGKATKAN KINERJA K-NN UNTUK KLASIFIKASI KANKER PAYUDARA DENGAN FORWARD SELECTION

Abstract

Kanker payudara adalah kanker paling umum yang menyerang wanita di seluruh dunia. Machine Learning telah banyak digunakan untuk membantu dalam mendukung keputusan para ahli kesehatan dalam memprediksi penyakit kanker payudara . Algoritma K-NN digunakan pada penelitian ini untuk mengklasifikasi dataset kanker payudara Coimbra dan forward selection diimplementasikan untuk menghindari sensitivitas K-NN terhadap attribute yang tidak relevan dan berkorelasi, sehingga kinerja K-NN dapat lebih maksimal. Tujuan penelitian ini adalah untuk membandingkan kinerja dari kombinasi K-NN dan forward selection dengan algoritma machine learning lainnya, sekaligus meningkatkan kinerja K-NN dalam mengklasifikasi dataset kanker payudara. Hasil menunjukan akurasi tertinggi diperoleh dari kombinasi KNN+FS sebesar 91,43% dengan 5 atribut terpilih dari 9 atribut independen. Bahkan KNN+FS juga mengungguli algoritma machine learning lainnya, juga unggul jika dibandingkan penelitian terdahulu. Forward selection dan proporsi data yang tepat sangat mempengarui kinerja K-NN dan machine learning lainnya.