Abstract:Abstract: Breast cancer is the leading cause of death for women globally, exacerbated by late detection. This study proposes a breast cancer risk prediction framework using XGBoost with SelectKBest feature selection. It…
aims to improve the accuracy and efficiency of early detection through exploratory data analysis, coding, SMOTE to address class imbalance, and feature selection (k=29). As a result, the XGBoost model achieved 98.1% accuracy, 98.1% recall, 98.1% f1-score, and 98.2% precision on test data, highlighting the importance of feature selection. These results are promising in patient prioritization (triage) for further examination, helping medical personnel identify high-risk patients, thus improving resource allocation efficiency. These findings validate SelectKBest and pave the way for the development of a machine learning-based clinical decision support system for breast cancer early detection workflows. This research contributes significantly to the application of machine learning to support early breast cancer detection.
Keywords: breast cancer; feature selection; machine learning; risk prediction; XGBOOST.
Abstrak: Kanker payudara menjadi penyebab utama kematian wanita global, diperparah deteksi yang terlambat. Penelitian ini mengusulkan kerangka prediksi risiko kanker payudara menggunakan XGBoost dengan seleksi fitur SelectKBest. Tujuannya meningkatkan akurasi dan efisiensi deteksi dini melalui analisis data eksploratif, pengkodean, SMOTE untuk mengatasi ketidakseimbangan kelas, dan seleksi fitur (k=29). Hasilnya, model XGBoost mencapai akurasi 98.1%, recall 98.1%, f1-score 98.1%, dan presisi 98.2% pada data uji, menyoroti pentingnya seleksi fitur. Hasil ini menjanjikan dalam penentuan prioritas pasien (triage) untuk pemeriksaan lebih lanjut, membantu tenaga medis mengidentifikasi pasien berisiko tinggi, sehingga meningkatkan efisiensi alokasi sumber daya. Temuan ini memvalidasi SelectKBest dan membuka jalan bagi pengembangan sistem pendukung keputusan klinis berbasis machine learning untuk alur kerja deteksi dini kanker payudara. Penelitian ini berkontribusi signifikan dalam penerapan machine learning untuk mendukung deteksi dini kanker payudara.
Kata kunci: kanker payudara; pembelajaran mesin; prediksi risiko ; seleksi fitur; XGBOOST.
Abstract:Kanker payudara dapat menurunkan kualitas hidup sehingga diperlukan skrining yang cepat dan konsisten. Penelitian ini mengembangkan sistem klasifikasi kanker payudara berbasis Convolutional Neural Network (CNN) yang diimplementasikan…
plementasikan pada aplikasi skrining berbasis web. Dataset disusun ke dalam data latih, validasi, dan uji, kemudian citra diproses melalui penyesuaian ukuran 224×224, normalisasi, serta augmentasi pada data latih. Model dibangun menggunakan arsitektur MobileNetV3 Small dengan keluaran tiga kelas, yaitu Normal, Benign, dan Malignant. Sistem juga menerapkan validasi input untuk memastikan prediksi hanya dilakukan pada citra jaringan payudara sebelum proses inferensi. Hasil pengujian pada 300 data uji menunjukkan akurasi sebesar 88,00% dengan performa per kelas yang bervariasi, di mana kesalahan klasifikasi masih terjadi pada kelas-kelas yang memiliki kemiripan ciri visual. Hasil ini menunjukkan CNN efektif untuk mendukung skrining awal kanker payudara dan dapat ditingkatkan melalui penambahan data serta optimasi pelatihan pada penelitian selanjutnya
Abstract:Kanker payudara merupakan salah satu jenis kanker yang paling umum ditemukan pada wanita dan menjadi penyebab utama kematian akibat kanker di seluruh dunia. Ketepatan dalam diagnosis kanker payudara menjadi sangat krusial…
l untuk penanganan yang tepat. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes dan Random Forest dalam mengklasifikasikan kanker payudara menggunakan dataset Breast Cancer Wisconsin. Metodologi penelitian dimulai dengan pengumpulan data dari dataset Breast Cancer Wisconsin yang terdiri dari 569 sampel dengan 32 atribut. Proses preprocessing data meliputi konversi data dari format nominal ke binominal untuk atribut diagnosis. Implementasi algoritma menggunakan tools RapidMiner dengan pendekatan cross validation (k=10) untuk evaluasi model yang lebih robust. Performa kedua algoritma dibandingkan menggunakan berbagai metrik evaluasi termasuk accuracy, precision, recall, dan analisis confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih unggul dengan tingkat akurasi 94,91% (±5,06%), precision 95,33%, dan recall 93,90%. Sementara itu, Naive Bayes mencapai akurasi 93,51% (±5,30%), precision 93,68%, dan recall 92,67%. Random Forest juga menunjukkan keunggulan dalam mengurangi false positive, dengan hanya 8 kasus dibandingkan 15 kasus pada Naive Bayes. Analisis confusion matrix menunjukkan bahwa kedua algoritma memiliki kemampuan yang baik dalam mengklasifikasikan kasus kanker payudara, meskipun Random Forest menunjukkan performa yang lebih stabil dan akurat. Kesimpulan dari penelitian ini menunjukkan bahwa kedua algoritma efektif untuk klasifikasi kanker payudara, dengan Random Forest menunjukkan keunggulan dalam hal akurasi dan presisi. Hasil ini dapat menjadi pertimbangan dalam pengembangan sistem pendukung keputusan untuk diagnosis kanker payudara, dimana Random Forest dapat menjadi pilihan utama ketika akurasi menjadi prioritas, sementara Naive Bayes tetap menjadi alternatif yang valid ketika kesederhanaan implementasi dan efisiensi komputasi diperlukan.
Abstract:Kegagalan menyusui sering menjadi masalah yang dihadapi ibu ketika ASI yang keluar tidak selancar yang diharapkan, sehingga menimbulkan rasa tidak percaya diri dan kekhawatiran yang menyebabkan terhambatnya hormon oksitosin.…
sin. Salah satu cara mengatasi ketidaklancaran produksi ASI yaitu dengan melakukan pijat oksitosin. Hormon oksitosin akan keluar melalui rangsangan ke puting susu, melalui isapan mulut bayi atau melalui pijatan pada tulang belakang ibu bayi. Artikel ini menggunakan metode desain studi kasus dengan pendekatan asuhan keperawatan dengan pengumpulan data secara menyeluruh dan menyertakan berbagai sumber data dengan teknik yang meliputi wawancara, observasi dan studi dokumentasi sesuai dengan pedoman 3S (SDKI, SLKI, SIKI). Hasil studi kasus yang dilakukan selama 1x24 jam didapatkan evaluasi payudara teraba keras dan padat, tetesan dan suplai ASI mulai meningkat dibandingkan sebelum diberikan pijat oksitosin, klien menjadi lebih rileks dan nyaman. Kesimpulan dari studi kasus pijat oksitosin yang dilakukan pada ibu post partum (nifas) dapat meningkatkan produksi ASI karena dapat memicu pengeluaran hormon oksitosin yang sangat penting dalam peran mengeluaran ASI.
Abstract:Cara sederhana dan paling murah untuk mendeteksi dini benjolan payudara dengan mengenali payudara sendiri melalui pemeriksaan payudara sendiri (SADARI). SADARI dilakukan dengan melihat serta meraba payudara. Jika kanker…
tersebut ditemui secara dini dan segera mendapat penanganan secara cepat dan tepat maka harapan untuk sembuh hampir mendekati 100%. Tujuan Penelitian mengetahui Hubungan Pengetahuan dan Sikap Tentang Perilaku SADARI Dalam Mendeteksi Kaker Payudara Pada Remaja Putri di Di Tangerang. Desain penelitian ini menggunakan Cross Sectional. Sampel pada penelitian ini berjumlah 133 responden. Pengumpulan data menggunakan Kuesioner pengetahuan, sikap dan perilaku SADARI. Uji statistic menggunakan kendals tau-b. Hasil penelitian menunjukkan Pengetahuan remaja putri tentang perilaku SADARI memiliki pengetahuan cukup dengan presentase (64,7%). Sikap remaja putri tentang perilaku SADARI memiliki sikap negatif (64,7%). Perilaku SADARI memiliki perilaku mendukung (75,2%). Ada hubungan yang signifikan antara pengetahuan dengan perilaku SADARI remaja putri Di Tangerang dengan nilai P< 0,05 (0,012). Tidak ada hubungan yang signifikan antara sikap dengan perilaku SADARI remaja putri Di Tangerang dengan nilai < 0,05 (0,102). Diharapkan untuk peneliti lain yang tertarik untuk melakukan penelitian ini agar dapat meneliti lebih lanjut dengan menambahkan variabel lain.