Comparative Analysis of Random Forest Algorithms, Artificial Neural Networks, and Logistic Regression in Breast Cancer Prediction with Machine Learning Approach

Rahmadi M. Ali, Nurdin Nurdin, Al Khaidar, Maghriza Azzanna, Athirah Rusadi

Sari


Perkembangan teknologi informasi khususnya kecerdasan buatan dan machine learning, telah meningkatkan efektivitas deteksi dini penyakit seperti kanker payudara. Namun, tingginya angka kejadian dan kematian akibat kanker payudara di Indonesia masih menjadi tantangan besar, terutama karena rendahnya tingkat deteksi dini dan banyak pasien datang dalam stadium lanjut. Penelitian ini membandingkan performa tiga algoritma machine learning, yaitu Random Forest, Artificial Neural Network (ANN), dan Logistic Regression, dalam memprediksi diagnosis kanker payudara berdasarkan akurasi, efisiensi komputasi, dan kestabilan kinerja. Evaluasi dilakukan dengan classification report dan validasi silang 10-Fold Cross Validation. Hasil menunjukkan Logistic Regression memiliki akurasi rata-rata tertinggi sebesar 77,56% dan waktu eksekusi tercepat, yaitu 0,024897 detik, menandakan efisiensi dan kestabilan yang baik. Random Forest memberikan akurasi classification report 80% dan nilai AUC tertinggi 0,89, menunjukkan keunggulan dalam diskriminasi kelas. ANN memiliki performa terendah dengan akurasi validasi silang 74,64% dan recall rendah untuk kelas positif. Logistic Regression direkomendasikan sebagai model paling seimbang, sementara Random Forest sebagai alternatif akurasi tinggi.

Kata Kunci: Random Forest, Artificial Neural Networks, Logistic Regression, Breast Cancer Prediction, Machine Learning


Teks Lengkap:

PDF

Referensi


A. A. Fauzi Dkk., “No Title,†In Pemanfaatan Teknologi Informasi Di Berbagai Sektor Pada Masa Society 5.0, Pt. Sonpedia Publishing Indonesia, 2023.

H. Najwa, “Analisis Penerapan Trust Network Access (Ztna) Dengan Penggunaan Captcha Pada Website Umum,†Technol. Sci. Insights J., Vol. 1, No. 2, Hal. 76–80, 2024.

E. Anggraini, “Masa Depan Internet Of Things Dimulai Dari Rumah,†2017. [Daring]. Tersedia Pada: Https://Www.Cnnindonesia.Com/Teknologi/20170105174130-185-

M. Mukhsin, “Peranan Teknologi Informasi Dan Komunikasi Menerapkan Sistem Informasi Desa Dalam Publikasi Informasi Desa Di Era Globalisasi,†Teknokom, Vol. 3, No. 1, Hal. 7–15, 2020.

M. Suhaidi, “Penerapan Internet Of Things (Iot) Dalam Perancangan Aplikasi Pengaman Sepeda Motor Berbasis Android,†2019. Doi: 10.14257/Ijca.2014.7.12.07.

M. B. Yel Dan M. K. Nasution, “Keamanan Informasi Data Pribadi Pada Media Sosial,†J. Inform. Kaputama (Jik, Vol. 6, No. 1, Hal. 92–101, 2022.

A. Khaidar, M. Arhami, Dan M. Abdi, “Application Of The Random Forest Method For Ukt Classification At Politeknik Negeri Lhokseumawe,†J. Artif. Intell. Softw. Eng., Vol. 4, No. 2, Hal. 94–103, 2024.

A. Rusadi, Z. Ardian, Dan N. Nurdin, Apl. Pencarian Guru Les Priv. Terdekat Menggunakan Metod. Haversine Formula. J. Informatics Comput. Sci., Vol. 10, No. 2, Hal. 75–80, 2024.

A. Afdalia Dan N. A. Manaf, “Hubungan Penggunaan Kontrasepsi Hormonal Dengan Kejadian Kanker Payudara Di Rumah Sakit Grestelina Makassar,†2020.

L. Pratiwi Dkk., Mengenal Mencegah. Kanker Payudara: Sudut Pandang Teori & Penelitian. Cv Jejak (Jejak Publisher, 2024.

H. A. Amalia Wahab, “Prevalensi Dan Karakteristik Penderita Kanker Payudara Di Poliklinik Bedah Onkologi Rsup Dr,†2024.

U. Muhidin, “Faktor Yang Berhubungan Dengan Upaya Pencegahan Kanker Payudara Dengan Metode Sadari Pada Siswi Smkn 5 Enrekang= Factors Related To Efforts To Prevent Breast Cancer By Sadari Method The Regency Of Smk 5 Enrekang Students,†2022.

N. Izzah, “Faktor Yang Berhubungan Dengan Upaya Pencegahan Kanker Payudara Di Madrasah Aliyah Negeri 2 Kota Makassar,†2024.

L. N. Martini, “Hubungan Penggunaan Kontrasepsi Hormonal Dengan Kejadian Kanker Payudara Di Rsud Kabupaten Buleleng,†2024.

F. A. Azlina Dan R. Firdausi, “Mengenal Kanker Serviks Dan Upaya Dalam Meningkatkan Deteksi Dini,†2025.

E. Pujiati, “Health Education On Early Detection Of Breast Cancer Through Audio Visual Breast Self Examination In Women Of Rolling Age: Study Cross Sectional,†Menara J. Heal. Sci., Vol. 3, No. 1, Hal. 190–201, 2024.

G. T. Reddy Dkk., “February). An Ensemble Based Machine Learning Model For Diabetic Retinopathy Classification,†In 2020 International Conference On Emerging Trends In Information Technology And Engineering, Ieee, 2020, Hal. 1–6.

B. M. Hermawan, M. A. Hakim, R. Arifin, Dan N. Puspitasari, “Pemanfaatan Artificial Intellegence, Khususnya Mechine Learning Dan Deep Learning System Dalam Pendidikan,†In Prosiding Seminar Nasional Amikom Surakarta, Vol. 2, 2024, Hal. 345–354.

M. O. Okwu, L. K. Tartibu, M. O. Okwu, Dan L. K. Tartibu, “Artificial Neural Network,†In Metaheuristic Optimization: Nature-Inspired Algorithms Swarm And Computational Intelligence, Theory And Applications, 2021, Hal. 133–145.

R. Dastres Dan M. Soori, “Artificial Neural Network Systems,†Int. J. Imaging Robot. (Ijir, Vol. 21, No. 2, Hal. 13–25, 2021.

R. Gomila, “Logistic Or Linear? Estimating Causal Effects Of Experimental Treatments On Binary Outcomes Using Regression Analysis,†J. Exp. Psychol. Gen., Vol. 150, No. 4, Hal. 700, 2021.

C. Z. V Junus, T. Tarno, Dan P. Kartikasari, “Klasifikasi Menggunakan Metode Support Vector Machine Dan Random Forest Untuk Deteksi Awal Risiko Diabetes Melitus,†J. Gaussian, Vol. 11, No. 3, Hal. 386–396, 2023.

D. Ismafillah, T. Rohana, Dan Y. Cahyana, “Analisis Algoritma Pohon Keputusan Untuk Memprediksi Penyakit Diabetes Menggunakan Oversampling Smote,†Infotech J. Inform. Teknol., Vol. 4, No. 1, Hal. 27–36, 2023.

I. Suhardin, A. Patombongi, Dan A. M. Islah, “Mengidentifikasi Jenis Tanaman Berdasarkan Citra Daun Menggunakan Algoritma Convolutional Neural Network,†Simtek J. Sist. Inf. Dan Tek. Komput., Vol. 6, No. 2, Hal. 100–108, 2021.

D. Adhito Dwi, “Rancang Bangun Sistem Electronic Nose (E-Nose,†In Berbasis Multisensor Menggunakan Jaringan Syaraf Tiruan Metode Backpropagation Dengan Sampel Uji Boraks, 2023.

A. I. Sofiyat, A. Tjalla, Dan M. Mahdiyah, “Pemodelan Regresi Logistik Biner Terhadap Penerimaan Pegawai Di Pt Xyz Jakarta,†Mat. Sains, Vol. 1, No. 1, Hal. 1–11, 2023.

A. Salam, L. Azhari, R. S. Septarini, Dan N. Heriyani, “Pendekatan Hybrid K-Means Smote Dan Logistic Regression Untuk Deteksi Dini Diabetes Mellitus Pada Imbalanced Data,†Bull. Comput. Sci. Res., Vol. 5, No. 3, Hal. 219–227, 2025.




DOI: http://dx.doi.org/10.30811/jaise.v5i3.7028

Refbacks

  • Saat ini tidak ada refbacks.


Indexing :

Creative Commons License
Journal of Artificial Intelligence and Software Engineering (JAISE) licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.