EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Analisis Kombinasi Bagging dan Gradient Boosting pada Klasifikasi Diagnosis Kanker Payudara

Rully Pramudita, Dwi Ismiyana Putri, Bambang Kriswantara, Vina Zahrotun Nazah

TeknoIS : Jurnal Ilmiah Teknologi Informasi dan Sains · 28.07.2026 · 16 (2) · 152-163

DOI: 10.36350/jbs.v16i2.346 ↗

Kurz gefasst

Fachartikel in der Zeitschrift TeknoIS : Jurnal Ilmiah Teknologi Informasi dan Sains, online erschienen am 28.07.2026. Verfasst von Rully Pramudita und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penelitian ini bertujuan untuk menganalisis kinerja metode Gradient Boosting dalam meningkatkan performa beberapa algoritma klasifikasi machine learning pada diagnosis kanker payudara. Dataset yang digunakan adalah Breast Cancer Wisconsin (Diagnostic) yang terdiri dari 569 data dengan 30 atribut numerik yang merepresentasikan karakteristik sel jaringan payudara serta dua kelas diagnosis yaitu malignant dan benign. Proses eksperimen dilakukan melalui beberapa tahap, dimulai dari pelatihan model klasifikasi dasar menggunakan lima algoritma yaitu Support Vector Machine (SVM), Neural Network (NN), Logistic Regression (LR), Decision Tree (DT), dan K-Nearest Neighbors (KNN). Selanjutnya model tersebut dioptimasi menggunakan teknik Gradient Boosting untuk melihat pengaruhnya terhadap peningkatan performa model. Dataset dibagi menjadi 70% data training dan 30% data testing untuk memastikan evaluasi yang objektif. Evaluasi kinerja model dilakukan menggunakan confusion matrix, kurva Receiver Operating Characteristic (ROC), dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa optimasi menggunakan teknik boosting mampu meningkatkan kemampuan klasifikasi pada beberapa algoritma machine learning. Neural Network memperoleh akurasi dasar tertinggi sebesar 98,2%, sedangkan Logistic Regression menunjukkan performa paling stabil dengan nilai AUC tertinggi sebesar 99,7%. Hasil ini menunjukkan bahwa metode Gradient Boosting dapat meningkatkan kemampuan prediksi model machine learning pada tugas klasifikasi medis khususnya diagnosis kanker payudara.

Zitieren

APA

Pramudita, R., Putri, D. I., Kriswantara, B., & Nazah, V. Z. (2026). Analisis Kombinasi Bagging dan Gradient Boosting pada Klasifikasi Diagnosis Kanker Payudara. TeknoIS : Jurnal Ilmiah Teknologi Informasi dan Sains, 16(2), 152-163. https://doi.org/10.36350/jbs.v16i2.346

Vancouver

Pramudita R, Putri DI, Kriswantara B, Nazah VZ. Analisis Kombinasi Bagging dan Gradient Boosting pada Klasifikasi Diagnosis Kanker Payudara. TeknoIS : Jurnal Ilmiah Teknologi Informasi dan Sains. 2026;16(2):152-163. doi:10.36350/jbs.v16i2.346

BibTeX
@article{Pramudita2026,
  author = {Pramudita, Rully and Putri, Dwi Ismiyana and Kriswantara, Bambang and Nazah, Vina Zahrotun},
  title = {Analisis Kombinasi Bagging dan Gradient Boosting pada Klasifikasi Diagnosis Kanker Payudara},
  journal = {TeknoIS : Jurnal Ilmiah Teknologi Informasi dan Sains},
  year = {2026},
  volume = {16},
  number = {2},
  pages = {152--163},
  doi = {10.36350/jbs.v16i2.346}
}
Kostenlos starten →