Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- dd68eb04-4877-4f11-8849-c4b494284d46
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro (UDINUS), dengan para penulis yang tercantum sebagai peserta kegiatan, melaksanakan penelitian mengenai deteksi kanker payudara menggunakan pipeline klasifikasi hibrida. Kegiatan ini menanggapi kebutuhan terhadap diagnosis yang dini dan akurat sebagaimana dijelaskan dalam sumber serta menggunakan dataset Wisconsin Diagnostic Breast Cancer.
Metode penelitian mengintegrasikan Hybrid Statistical Feature Selection dengan ekstraksi fitur terpandu LSTM tanpa supervisi. Pada tahap awal, 20 fitur dipilih menggunakan Mutual Information, Chi-square, dan Pearson Correlation. Set pelatihan diseimbangkan menggunakan Synthetic Minority Oversampling Technique untuk menangani ketidakseimbangan kelas. Selanjutnya, encoder LSTM mengekstraksi fitur laten nonlinier dari fitur yang telah dipilih. Fitur statistik dan fitur laten digabungkan melalui strategi fusi, kemudian 30 fitur teratas dipilih kembali. Klasifikasi akhir menggunakan Support Vector Machine dengan kernel RBF. Evaluasi menggunakan validasi silang 5-fold dan set pengujian yang ditahan.
Hasil eksperimen melaporkan akurasi pelatihan rata-rata sebesar 98,13%, F1-score sebesar 98,13%, dan AUC-ROC sebesar 99,55%. Pada set pengujian yang ditahan, model mencapai akurasi 99,30%, presisi 100%, F1-score 99,05%, dan AUC-ROC 0,9973. Sumber menyatakan bahwa pipeline yang diusulkan menunjukkan generalisasi dan interpretabilitas yang lebih baik dibandingkan LightGBM-PSO, DHH-GRU, dan jaringan deep learning ensemble. Temuan tersebut menyoroti efektivitas penggabungan seleksi statistik dan pengodean fitur laten berbasis LSTM dalam kerangka klasifikasi yang seimbang.