Penerapan Deep Learning (Artificial Neural Network) Untuk Klasifikasi Diagnostik Kanker Payudara Guna Mendukung Efisiensi Biaya Deteksi Dini

Abstract

Kanker payudara merupakan salah satu jenis kanker dengan insiden tertinggi pada perempuan di Indonesia, dan lebih dari separuh pasien di rumah sakit rujukan kanker masih terdiagnosis pada stadium lanjut, sehingga biaya pengobatan yang harus ditanggung menjadi jauh lebih tinggi dibandingkan penanganan pada stadium awal. Deteksi dini yang cepat dan akurat menjadi kunci untuk menekan biaya pengobatan sekaligus meningkatkan peluang kesembuhan pasien. Penelitian ini bertujuan merancang dan mengevaluasi model deep learning berbasis Artificial Neural Network (Multi-Layer Perceptron) untuk mengklasifikasikan tumor payudara ke dalam kategori jinak (benign) dan ganas (malignant). Penelitian menggunakan dataset Wisconsin Diagnostic Breast Cancer (WDBC) yang terdiri atas 569 sampel dan 30 fitur numerik, dibagi menjadi 455 data latih dan 114 data uji (80:20) secara stratified. Model ANN dengan tiga lapisan tersembunyi (64-32-16 neuron) dievaluasi menggunakan akurasi, presisi, recall, F1-score, dan AUC serta dibandingkan dengan Logistic Regression, Random Forest, dan Support Vector Machine. Hasil menunjukkan Deep Neural Network mencapai akurasi 97,37%, presisi 97,26%, recall 98,61%, F1-score 97,93%, dan AUC 0,995, sementara Logistic Regression dan SVM mencapai akurasi 98,25%. Hasil ini menunjukkan bahwa model Deep Neural Network tidak mengungguli model klasik pada data tabular berukuran kecil. Pendekatan ini berpotensi mendukung skrining kanker payudara sebagai alat bantu diagnosis, sedangkan efisiensi biaya masih memerlukan analisis cost-effectiveness formal.