KHARISA, Melina (2026) Implementasi Algoritma Random Forest untuk Klasifikasi Tumor Payudara Berdasarkan Data Klinis Pasien. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Melina Kharisa-K1B022049-Skripsi-2026.pdf Download (181kB)
	PDF (Legalitas) LEGALITAS-Melina Kharisa-K1B022049-Skripsi-2026.pdf Restricted to Repository staff only Download (853kB)
	PDF (Abstrak) ABSTRAK-Melina Kharisa-K1B022049-Skripsi-2026.pdf Download (242kB)
	PDF (BabI) BAB-I-Melina Kharisa-K1B022049-Skripsi-2026.pdf Restricted to Repository staff only until 5 May 2027. Download (247kB)
	PDF (BabII) BAB-II-Melina Kharisa-K1B022049-Skripsi-2026.pdf Restricted to Repository staff only until 5 May 2027. Download (680kB)
	PDF (BabIII) BAB-III-Melina Kharisa-K1B022049-Skripsi-2026.pdf Restricted to Repository staff only until 5 May 2027. Download (233kB)
	PDF (BabIV) BAB-IV-Melina Kharisa-K1B022049-Skripsi-2026.pdf Restricted to Repository staff only Download (954kB)
	PDF (BabV) BAB-V-Melina Kharisa-K1B022049-Skripsi-2026.pdf Download (232kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Melina Kharisa-K1B022049-Skripsi-2026.pdf Download (212kB)
	PDF (Lampiran) LAMPIRAN-Melina Kharisa-K1B022049-Skripsi-2026.pdf Restricted to Repository staff only Download (807kB)

Abstract

Tumor payudara merupakan salah satu masalah kesehatan yang banyak dialami perempuan dan berpotensi berkembang menjadi kanker akibat rendahnya deteksi dini, sehingga diperlukan suatu metode yang mampu melakukan klasifikasi tumor payudara secara akurat berdasarkan data klinis pasien. Penelitian ini bertujuan untuk mengimplementasikan algoritma Random Forest dalam mengklasifikasikan tumor payudara menjadi dua kelas, yaitu tumor jinak dan tumor ganas, serta mengevaluasi tingkat akurasi model yang dihasilkan. Data yang digunakan merupakan data rekan medis pasien tumor payudara di RSUD Prof. Dr. Margono Soekarjo. Tahapan penelitian meliputi analisis deskriptif, prepocessing data, pembagian data latih dan data uji dengan beberapa rasio, penerapan hyperparameter tuning, serta proses klasifikasi menggunakan algoritma Random Forest. Evaluasi performa model dilakukan menggunakan komponen confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu memberikan performa klasifikasi yang sangat baik. Model menghasilkan akurasi tertinggi sebesar 97,2% pada rasio data 80:20, serta akurasi sebesar 97% dan 96% pada rasio 75:25 dan 70:30. Nilai presisi dan recall yang tinggi menunjukkan bahwa Random Forest efektif dalam membedakan tumor payudara jinak dan ganas.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	K26021
Uncontrolled Keywords:	Tumor Payudara, Klasifikasi, Random Forest, Machine Learning
Subjects:	B > B349 Breast cancer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > S1 Matematika
Depositing User:	Mrs. Melina Kharisa
Date Deposited:	05 May 2026 01:12
Last Modified:	05 May 2026 01:12
URI:	http://repository.unsoed.ac.id:443/id/eprint/40907

Actions (login required)

View Item