Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Sunita Tasya Gultom Pengarang Margaretha Yohanna S.Kom., M.Kom Dosen Pembimbing 1 Arina Prima Silalahi S.Kom., M.Kom Dosen Pembimbing 2

ABSTRAK Penelitian ini bertujuan untuk menganalisis klasifikasi penyakit kanker payudara menggunakan pendekatan hybrid Deep Neural Network (DNN) dan K-Nearest Neighbor (KNN) serta mengevaluasi performa model yang dihasilkan. Analisis ini dilakukan untuk memberikan rujukan ilmiah mengenai efektivitas penggunaan DNN sebagai ekstraktor fitur laten dalam meningkatkan akurasi diagnosa antara tumor benign (jinak) dan malignant (ganas). Metodologi penelitian melibatkan penggunaan 569 data dari Wisconsin Breast Cancer Dataset (WBCD) yang mencakup 30 fitur numerik karakteristik morfologi sel. Data tersebut dibagi menjadi data latih dan data uji dengan rasio 80%:20%. Proses analisis diawali dengan ekstraksi fitur oleh DNN untuk mentransformasikan fitur mentah menjadi 8 fitur laten, yang kemudian diklasifikasikan menggunakan algoritma KNN dengan parameter k=5 dan metrik jarak Euclidean. Evaluasi model dilakukan menggunakan confusion matrix untuk mengukur tingkat keberhasilan klasifikasi. Hasil analisis menunjukkan tingkat akurasi sebesar 92,98%, presisi 94,74%, recall 85,71%, F1-Score 90,00%. Hasil ini membuktikan bahwa kombinasi DNN dan KNN memiliki kemampuan yang cukup baik dalam menganalisis dan membedakan jenis sel kanker payudara. Kata Kunci: Kanker Payudara, Deep Neural Network, K-Nearest Neighbor.