Perbandingan Klasifikasi Tingkat Keganasan Breast Cancer Dengan Menggunakan Regresi Logistik Ordinal Dan Support Vector Machine (SVM)

Transkripsi

1 JURNAL SAINS DAN SENI IS Vo., No., (Sept. 0) ISSN: 30-98X D-30 Perbandngan Kasfas ngat Keganasan Breast Cancer Dengan Menggunaan Regres Logst Ordna Dan Support Vector Machne (SVM) Farz rachman dan Sant Wuan Purnam Statsta, Fautas Matemata dan Imu Pengetahuan Aam, Insttut enoog Sepuuh Nopember J. Aref Rahman Ham, Surabaa 60 E-ma: Abstra Breast Cancer merupaan ens aner ang sangat berbahaa d duna. Setap tahun pendudu d duna menngga abat breast cancer. Indonesa merupaan saah satu negara berembang dengan penderta breast cancer ang bana. Ha n dbutan dengan data Sstem Informas Rumah Sat (SIRS) 007 ang menunuan breast cancer menempat urutan pertama pada pasen rawat nap d rumah sat seuruh Indonesa (6.85%). nggna asus penat n d Indonesa mengharusan penderta breast cancer untu meauan pemersaan tngat eganasan breast cancer dengan memperhatan ens stadum breast cancer. Pada penetan n dauan anass tngat eganasan breast cancer dengan menggunaan regres ogst ordna dan support vector machne (SVM). Berdasaran has penetan dengan metode regres ogst ordna, menunuan varabe ang berpengaruh terhadap tngat eganasan breast cancer adaah uuran tumor dan nodus dengan etepatan asfas tertngg 56.60%. Sedangan etepatan asfas dengan menggunaan SVM etepatan asfas tertngg dengan menggunaan erne RBF dan ponoma mencapa 98.%. Kata Kunc Breast Cancer, Regres Logst Ordna, Support Vector Machne, Kasfas. B I. PENDAHULUAN reast cancer merupaan ens aner ang sangat berbahaa dduna, ba d negara mau atau negara berembang. Setap tahun uta orang d seuruh duna menderta aner dan 7,6 uta d antarana menngga duna, dar umah tersebut dsebaban oeh breast cancer []. Ha n menunuan bahwa breast cancer adaah saah satu aner ganas d duna. Saat n 6 % dar semua ens aner pada wanta dduna adaah breast cancer. Berdasaran data WHO, 69 % dar ematan breast cancer dduna terad d negara berembang []. Indonesa merupaan saah satu negara berembang dengan penderta breast cancer ang bana. Berdasaran data Sstem Informas Rumah Sat (SIRS) tahun 007, breast cancer menempat urutan pertama pada pasen rawat nap d seuruh RS d Indonesa (6,85%). Breast cancer merupaan aner tertngg ang dderta perempuan Indonesa atu 6 per perempuan []. Ha n menunuan bahwa breast cancer adaah penat ang sangat berbahaa d Indonesa. Berdasaran fata tersebut dbutuhan suatu angah strategs untu detes dn breast cancer d Indonesa. Breast cancer merupaan penat ang sangat ganas dan detahu secara past penebabna. nggna asus breast cancer Indonesa mengharusan penderta breast cancer untu meauan pemersaan ntensf terat dentfas penatna. Untu wanta ang postf terangt breast cancer, dan sudah meauan tahap pengobatan, maa detes eganasan breast cancer secara beraa sangat pentng. Saah satu cara untu mendetes tngat eganasan breast cancer adaah dengan prognoss. Prognoss adaah "tebaan terba" tm meds daam menentuan sembuh atau tdana pasen dar penat breast cancer. Prognoss mem manfaat membantu memh terap ang tepat, memungnan omparas berbaga terap d antara seumah pasen dengan reso eambuhan atau morbdtas ang serupa dan menngatan pengetahuan tentang breast cancer guna mengembangan strateg-strateg baru untu penangananna [3]. Secara umum tngat eganasan breast cancer duur dengan memperhatan stadum penderta breast cancer atu stadum I, II, III, dan IV. Berdasaran uraan tersebut saah satu metode ang bsa dgunaan untu detes tngat eganasan breast cancer adaah SVM (Support Vetor Machne), metode n merupaan metode statst ang bsa dgunaan untu menetuan dentfas breast cancer seteah dauan treatment, dengan memperhatan fator-fator dentfas. Penetan sebeumnna oeh Magoganns dan Zafropoous (007) meauan dagnoss dan prognoss breast cancer dengan menggunaan SVM [4]. Has penetan tersebut menunuan bahwa etepatan asfas menggunaan SVM mencapa 97%. Sedangan pada penetan an oeh Chen, Yang, dan Le (0) ang meauan dagnoss breast cancer menunuan bahwa etepatan asfas mencapa 99.% [5]. Sedangan pada penetan an tentang dagnoss breast cancer dengan menggunaan SSVM mem tngat auras 97.% [6]. Berdasaran atar beaang d atas maa penetan n aan menganass tngat eganasan breast cancer dengan menggunaan metode regres ogst ordna dan Support Vetor Machne (SVM). II. LANDASAN EORI A. Mode Regres Logst Ordna Secara umum regres ogst ordna merupaan saah satu metode statsta untu menganass varabe respon ang mempuna saa data ordna ang mem 3 ategor atau ebh. Pada regres ogst ordna mode berupa umuatf ogt mode. Sedangan untu varabe predtor ang dgunaan berupa data ategor dan atau uanttatf. Sfat

2 JURNAL SAINS DAN SENI IS Vo., No., (Sept. 0) ISSN: 30-98X D-3 ordna dar respon Y pada mode ogt n dtuangan daam peuang umuatf sehngga umuatf ogt mode merupaan mode ang ddapat dengan membandngan peuang umuatf atu peuang urang dar atau sama dengan ategor respon e- pada p varabe predtor ang dnataan daam vetor adaah P( Y ), dengan peuang ebh besar ategor respon e- atu P( Y ) [3]. Sedangan untu na varabe X= [,,..., ] dan parameter β [,,..., p ] dan umuatf e- sebaga berut: ( c ) P( Y ) = r () Seteah dauan transformas ogst menad mode regres ogst (ogt) ordna atau ogt umuatf: p Logt[ P( Y )] o () Dengan na untu =,, p pada setap mode regres ogst ordna adaah sama. Seanutna dauan penasran parameter. Bentu umum dar fungs ehood untu sampe dengan n ndependen observas (, ) adaah n (3) 0 ( β) ( ) ( ) ( 0 ) Dengan na =,, n Persamaan 3 n dengan mengggunaan teras Newton Rhapshon, aan ddapatan tasran parameter. Untu penguan parameter dauan dua a atu u serenta dan u parsa. U serenta dgunaan untu memersa emanaan oefsen secara eseuruhan sebaga berut: H 0 :... p 0 H : pang sedt ada satu 0 dengan =,,..p Statst uang dgunaan adaah statst u G atau ehood rato n n n0 n n n0 n n n n G (4) n ( ˆ ) ( ) Daerah penoaan H 0 adaah a > (, v) dengan db=v. Pada penguan n menebar mengut dstrbus Ch square dengan deraat bebas p [3]. U parsa dauan untu mengu sgnfans parameter terhadap varabe respon. Penguan sgnfans parameter menggunaan u Wad [6] dengan menggunaan hpotess sebaga berut: H 0 : 0 H : 0. Dengan =,,..p Perhtungan u Wad adaah sebaga berut ˆ (5) W SE( ˆ ) Untu daerah penoaan H 0 adaah a W Z / p Seteah dauan u serenta dan parsa, maa dauan u esesuaan mode denan menggunaan u devans. U hpotess ang dgunaan sebaga berut: H 0 : ˆ atau Mode sesua (tda ada perbedaan ang nata antara has observas dengan emungnan has preds mode) H : ˆ atau Mode tda sesua (ada perbedaan ang nata antara has observas dengan emungnan has preds mode). Statst u datas adaah: n ˆ ˆ D n ( )n (6) Dengan ˆ = ˆ ( ) merupaan peuang observas e- pada ategor e-. Deraat bebas u n adaah (J-(p+) ) dmana J merupaan umah ovarat dan p merupaan umah varabe predctor. Interpretas regres ogst ordna dapat deasan dengan odd rato. Na odd rato atu na ang menunuan perbandngan tngat ecenderungan dar dua ategor daam satu varabe predtor dengan saah satu ategorna dadan pembandng atau ategor dasar. B. Support Vector Machne Support Vetor Machne (SVM) meauan suatu ten untu menemuan fungs pemsah ang bsa memsahan dua set data dar dua eas ang berbeda [7]. Metode n merupaan metode earnng machne ang beera atas prnsp Sructura Rs Mnmazaton (SRM) dengan tuuan menemuan hperpane terba ang memsahan dua buah eas pada nput space [8]. Pada dasarna SVM beera dengan prnsp ner casfer, emudan dembangan untu dapat beera pada asus non near dengan menggunaan onsep erne pada ruang era berdmes tngg [8]. Pada asfas near SVM dbag menad ens atu separabe dan nonseparabe. Msaan X mem poa tertentu, atu apaba termasu edaam eas maa dber abe (target) =+ dan = -. Untu tu, abe masng-masng dnotasan {-,+}, =,,... Sehngga data berupa pasangan (, ), (, ),..,(, ). Kumpuan data pasangan n merupaan data bag SVM. Support Vector Machne (SVM) bsa menentuan poa generasas dar X. Pada dasarna SVM merupaan metode untu meauan asfas hmpunan vetor tranng dar dua eas (, ), (, ),..,(, ), dengan R n, {-,}. Pada pemsahan hperpane dengan bentu canonca harus memenuh constrant atau bsa dsebut fungs endaa w b,,..., (7) Hperpane ang memsahan data harus memnmaan φ w w (8) Untu optmas pada persamaan 8, fungs agrange ang dgunaan adaah : Lw, b, w w b (9)

3 JURNAL SAINS DAN SENI IS Vo., No., (Sept. 0) ISSN: 30-98X D-3 Pada persamaan tersebut, na adaah pengganda fungs agrange. Sous dar fungs Lagrange n dapat dperoeh dengan memnmaan L terhadap prma varabes dan memasmaan L terhadap (dua varabes) dan peneesaan dar persamaan sebaga berut: ˆ arg mn. (0), Sehngga persamaan asfas menggunaan persamaan : f sgnw bˆ () Untu mengatas mscassfcaton, formuas ang teah dauan sebeumnna, aan dperuas sehngga dapat dgunaan data non-separabe. Masaah optmas sebeumnna ba pada fungs obetf maupun endaa dmodfas dengan mengut sac varabe ξ>0 ang merupan sebuah uuran esaahan asfas. Berut n merupaan constrant ang sudah dmodfas untu asus non separabe: () w b,,,..., Hperpane atau pemsah ang optma dtentuan dengan vetor w, atu dengan memnmuman fungs: w, w C (3) Dmana C adaah parameter reguas ang dgunaan untu mengontro hubungan antara varabe sac dengan w. Bentu dua dar masaah agrange menad: maw ma(. ) (4), Dengan endaa 0 C,,,... (5) 0 Dan sous dar masaah n: w ˆ dan bˆ w r SVM uga beera pada data non near. Pada dasarna asfas data non near mem optmas persamaan: argmn K, (7), Na K(,) merupaan fungs erne ang menunuan pemetaan non near pada feature space. Persamaan n memberan hard cassfer pada pemsahan hperpane d feature space, dengan persamaan: f sgn bˆ, K (8) SVs Dengan na : w ˆ K, dan SVs b K r, K s, (9) Untu fungs erne ang dapat dpaa pada SVM adaah : s (6). Ponoma: ( +) p. Rada basc functon (RBF): ep ( ) C. SVM Mutcass Pada asus SVM mutcass dapat menggunaan beberapa metode atu satu awan semua (SLA), satu awan satu (SLU) dan one optmzaton probem. Metode ang dgunaan pada penetan n adaah satu awan semua (SLA). Pada metode n untu asfas -eas, menemuan fungs pemsah, dmana adaah banana eas. Msaan fungs pemsah dsebut. Daam metode n dtran dengan semua data dar eas- dengan abe + dan semua data dar eas an dengan abe -. Ja ta mem λ data untu tranng (, ),,(, ) dmana R n, =,,.., λ adaah data nput dan S={,,} eas dar ang bersangutan, fungs pemsah e- meneesaan persoaan optmas berut: mn { ( w ) w C } (0) w, b, Seteah meneesaan persamaan 0, ada fungs pemsah atu w +b,w + b,, w +b..kemudan eas dar suatu data/obe baru dtentuan berdasaran na terbesar dar fungs pemsah = eas = arg maw +b, dmana,.., S D. Breast Cancer Breast cancer merupaan aner tertngg ang dderta perempuan Indonesa atu 6 per perempuan []. Pemersaan paudara sea dn berguna untu memastan bahwa paudara seseorang mash norma. Ba ada eanan sepert nfes, tumor, atau aner dapatdtemuaan ebh awa. Breast cancer ang dobat pada stadum dn emungnan sembuh mendeat 90%. Secara eseuruhan fator ang berpengaruh pada stadum dbag menad tga bagan atu uuran tumor () ang dapat dhat dar uuran dameter tumor, ang edua nodus (N) ang berhubungan dengan eadaan metastase aener asa, dan ang etga adaah metastase (M) ang menunuan atau tda metastase. Usa merupaan saah satu fator reso breast cancer. Pada has mamograf magnant dan bengn merupaan fator ang menunuan na atau tdana breast cancer. Dsampng tu pada penetan Yuh-e ee (0) menerangan bahwa chemoterap sangat menentuan sembuh atau tdana breast cancer [9]. Daam penentuan tngat eganasan dapat dhat dengan stadum penderta breast cancer atu Stadum I dengan peuang untu hdup daam watu 5 tahun sebesar 87%, stadum II peuang untu hdup daam watu 5 tahun sebesar 75%, dan stadum III peuang untu hdup daam watu 5 tahun sebesar 46%. III. MEODOLOGI PENELIIAN A. Sumber Data dan Varabe Penetan Sumber data ang dgunaan penetan n adaah data pasen penderta breast cancer d Rumah Sat X pada tahun 0 berumah 78. Data n merupaan data pasen ang teah meauan bops.

4 JURNAL SAINS DAN SENI IS Vo., No., (Sept. 0) ISSN: 30-98X D-33 Varabe ang dgunaan daam penetan n terdr atas varabe respon (Y) dan varabe predtor (X).Varabe respon ang dgunaan adaah ategor ens stadum penderta breast cancer, ang terdr dar 3 ategor atu: Y = () Stadum I Y = () Stadum II Y = (3) Stadum III Pada penentuan varabe predtor, terebh dahuu dauan onsutas dengan doter dan bdang rset d rumah sat X sehngga ddapatan beberapa varabe predtor pada tabe. Varabe-varabe ang ddapatan pada penetan n, merupaan has dar bops pasen penderta breast cancer. Berut n merupaan varabe predctor tngat eganasan breast cancer. Varabe ang tercantum dbawah n sudah tercantum d form bops. abe. Varabe Predtor Penetan Varabe Kategor Uuran umor (X ) 0=; =; =3; 3=4 Nodus N(X ) Cemotheraph (X 3 ) Magnant/Bengn (X 4 ) Leta Kaner (X 5 ) Usa Pasen (X 6 ) 0=N0; =N; =N; 3=N3; (0) = Chemoterap () =Nochemoterap (0)= Magnant; ()=Bengn (0)=Left/Kr; ()=Rght/Kanan 0=Lebh dar 30 tahun ==urang dar 30 tahun B. Langah Anass Daam meauan penetan harus dauan anass ang tepat. Berut n merupaan angah-angah penetan:. Meauan pengumpuan data seunder penderta breast cancer d rumah sat X sesua varabe predtor dan varabe respon. a. Meneremahan varabe dar bahasa meds menad varabe pada tabe, dengan doter dan tm rset rumah sat b. Meauan pengodngan data. Meauan nterpretas statsta desrptf pasen penderta breast cancer. 3. Meauan asfas tngat eganasan penderta breast cancer dengan menggunaan anass regres ogst ordna: a. Meauan estmas parameter b. Meauan penguan parameter secara serenta dan ndvdu untu mengetahu varabe berpengaruh daam mode. c. Membuat mode ogt d. Meauan penguan esesuaan mode ang teah dperoeh. e. Menghtung etepatan asfas regres ogst ordna 4. Meauan asfas tngat eganasan penderta breast cancer dengan metode Support Vetor Machne. Berut n merupaan agortma metode SVM: a. Meauan transformas data sesua dengan metode SVM mut eas. b. Menentuan fungs pemsah dengan metode mut eas satu awan bana (SLA). c. Menentuan na-na parameter C= 0, 00, dan 000, seagus menentuan fungs erne RBF dengan =,, 3 dan fungs erne ponoma dengan p=,, 3 d. Memh na parameter C terba. e. Menghtung na etepatan asfas terba 5. Meauan perbandngan etepatan asfas antara anass regres ogst ordna dan SVM. IV. HASIL DAN PEMBAHASAN A. Pemodean Breast Cancer Menggunaan Regres Logst Ordna Pasen breast cancer pada penetan n berumah 78. Rata-rata usa pasen breast cancer adaah 5 tahun. Pasen ang mengaam stadum I sebana 6%, stadum II sebana 4% dan staum III sebana 53%. Pada anass dengan menggunaan regeres ogst ordna, terebh dahuu dauan u serenta dan u ndvdu semua varabe predtor atu uuran tumor (X ), Nodus (X ), Chemoterap (X 3 ), Magnant/bengn (X 4 ), eta Kaner (X 5 ), dan Usa pasen (X 6 ). Has dar u n aan dadapatan varabe ang sgnfant. Berdasaran u sgnfans serenta dan ndvdu, dadapatan varabe ang sgnfant atu varabe X, X, dan X 4. Varabe-varabe n aan dgunaan untu membentu mode ahr regres ogst ordna secara serenta. Anass regres ogst secara serenta terhat pada abe. Adapun u hpotess adaah sebaga berut: H 0 : β = β =...= β 6 = 0 H : mnma ada satu β 0 ; =,,..., 6 Daerah rts: oa H 0 a na G > (5%,7) = (4.067) abe. U Serenta Mode G Ch-Square Df Fna Berdasaran abe menunuan bahwa na G sebesar 39.9 ang berart na G> (, df ) esmpuan ang dhasan toa H 0. Ha n menunuan bahwa varabe bebas uuran tumor, nodus, dan magnant/bengn pang tda ada satu ang berpengaruh secara sgnfan terhadap tngat eganasan breast cancer. Langah seanutna dhat secara parsa sgnfans varabe-varabe tersebut: abe 3. U Parsa Regres Logst Ordna Varabe sgnfan Varabe Coef Wad Odds rato Keputusan Const() oa H 0 Const() oa H 0 X (0) oa H 0 X () oa H 0 X () Gaga oa H 0 X (0) oa H 0 X () oa H 0 X 4(0) Gaga oa H 0 Berdasaran has pada abe 3 menunuan varabevarabe ang sgnfan. Has pada abe tersebut uga menunuan bahwa varabe X (uuran tumor) pada ategor

5 JURNAL SAINS DAN SENI IS Vo., No., (Sept. 0) ISSN: 30-98X D-34 edua tda sgnfan. Sehngga mode ogt ang dhasan adaah. Logt : ĝ () = X (0) X ().448X (0) - 0.7X () Logt : ĝ () = X (0) X ().448X (0) -0.7X () Logt untu penderta breast cancer ang menderta stadum I dan Logt untu penderta breast cancer ang menderta stadum II dan stadum I. Berdasaran ogt datas dapat detahu bahwa na odd rato sebesar , ha n menunuan bahwa pasen breast cancer ang uuran tumorna berada pada peuang mengaam stadum I ebh ec a dbandngan dengan pasen dengan uuran tumor bertpe 4. Sedangan breast cancer dengan uuran tumor mem peuang mengaam stadum I ebh ec a dbandngan tumor bertpe 4,. Sedangan untu penderta breast cancer ang nodusna N 0 mem peuang mengaam stadum I ebh ec dbandngan na nodus N. Penderta breast cancer ang nodusna N mem peuang mengaam stadum I ebh ec dbandngan na nodus N Untu na peuang pada pasen pertama, dengan menggunaan fungs ogt dan fungs peuang dengan rumus datas ddapatan na ˆ = , ˆ =. 0-0, dan na ˆ3 = Na tersebut menunuan bahwa untu pasen pertama, mengaam breast cancer stadum I mem peuang sebesar , sedangan peuang menderta breast cancer stadum III sebesar Berdasaran na tersebut menunuan bahwa peuang tertngg pasen pertama aan menderta breast cancer stadum III. Berdassaran u, mode tersebut sudah sesua dengan na P-vaue sebesar 0.37> (0.05). Berut n merupaan etepatan asfas dengan menggunaan regres ogst ordna untu data testng abe 4. Data orgna Ketepatan asfas Preds Stadum I Stadum II Stadum III Stadum I Stadum II Stadum III Ketepatan asfas 56.6% Berdasaran abe 4.9 menunuan bahwa semua data devance stadum I dan stadum II dpreds saah e stadum III, sedangan stadum II dpreds benar stadum III sebana 30 data. Secara eseuruhan has dar preds dengan mengguna-an regres ogst ordna, dmana data tranng ang dgunaan sebana 5 dan data testng ang dgunaan sebana 53 menghasan etepatan asfas sebesar 56.60%. B. Kasfas ngat Keganasan Breast Cancer Dengan Menggunaan Support Vector Machne Anass SVM pada tngat eganasan breast cancer meng-gunaan dua fungs erne atu Ponoma dan Rada Bass Functon. Pada fungs ponoma menggunaan parameter p sebana 3 ens atu p=, p=, dan p=3. Sedangan pada rada bass functon =, =, dan =3. Untu na C ang dbandngan atu C=0, C=00, dan C=000.`Pada anass tngat eganasan breast cancer n menggunaan na C ang berbeda. Dengan memasuan beberapa na p pada fungs erne menggunaan ponoma dan beberapa na pada fungs erne rada bass functon (rbf). Sehngga dapat dbandngan etepatan asfas terba pada anass tngat eganasan breast cancer. abe 5 ngat Auras Kasfas SVM Dengan C=0 Propors Ponoma RBF Berdasaran abe 5 menunuan bahwa na auras tertngg terdapat pada pengeompoan SVM menggunaan data ranng dan estng 70:30, dengan fungs erne ang dpaa ponoma dengan na p=3 dan fungs erne rada bass functon dengan na =. Pada pengeompoan n tngat auras mencapa 98. %. abe 6 ngat Auras Kasfas SVM Dengan C=00 abe 6 menunuan bahwa na auras tertngg pada C=00 sama dengan pengeompoan C=0 atu auras tertngg terdapat pada pengeompoan SVM mengguna-an data ranng dan estng 70:30, dengan fungs erne ang dpaa ponoma dengan na p=3, fungs erne rada bass functon dengan na = dan na =. Pada edua ens pengeompoan n tngat auras mencapa 98. %. Propors P= P= P=3 = = =3 50: : : Propors Ponoma Ponoma abe 7 RBF P= P= P=3 = = =3 50: : : RBF P= P= P=3 = = =3 50: : : ngat Auras Kasfas SVM Dengan C=000 abe 7 menunuan bahwa na auras tertngg pada C=000 sama dengan pengeompoan C=0 atu auras tertng-g terdapat pada pengeompoan SVM menggunaan data ranng dan estng 70:30, dengan fungs erne ang dpaa ponoma dengan na p=3, fungs erne rada bass functon dengan na =, =, =3. Keempat ens pengeompoan n tngat aurasna sama atu mencapa 98. %. Seanutna membandngan metode regres ogst ordna dan metode Support Vector Machne. Na preds tngat eganasan breast cancer pada regres ogst

6 JURNAL SAINS DAN SENI IS Vo., No., (Sept. 0) ISSN: 30-98X D-35 ddapatan dar na peuang tertngg pada masng-masng ategor. Dan asfas pada support vector machne (SVM) dperoeh dar hperpane ang memsahan ategor tngat eganasan breast cancer. abe 8. Perbandngan asfas regres ogst ordna dan SVM menggunaan Prop. Regres Log. Ordna Ponoma p=,,3 dan rbf =,,3 Ponoma dengan P=,,3 RBF dengan =,, : : : abe 8 menunuan bahwa etepatan asfas dengan menggunaan support vector machne (SVM) ebh ba a dbandngan dengan regres ogst ordna. Ha n bsa dhat dar na etepatan asfas breast cancer, pada regres ogst ordna etepatan asfas tertngg 56.60% dengan propors data tranng dan testng 70:30. Untu SVM etepatan asfas rata-rata tertngg mencapa 98.% atu pada data tranng dan testng 70:30 dengan menggunaan erne ponoma p= dan RBF. [7] V. N. Vapn, he Nature of Statstca Learnng heor, New Yor: Sprnger (999). [8] A. S. Nugroho, A. B. Wtarto, dan D Handoo (003). Support Vetor Machne eor dan Apas daam Bonformata [Onne]. Avaabe: [9] Yuh-Jee Lee, Support Vetor machnes n data mnng, Madson: Unverst of Wsconsn (00). V. KESIMPULAN/ RINGKASAN Berdasaran has asfas tngat eganasan breast cancer dengan menggunaan regers ogst ordna dan Support Vector Machne (SVM) menghasan esmpuan bahwa Mode Logt dar regres ogst ordna adaah ĝ () = X (0) X ().448X (0) - 0.7X () dan ĝ () = X (0) X ().448X (0) - 0.7X (). Dar mode tersebut ddapatan etepatan asfas tngat eganasan breast cancer tertngg 56.60%. Kasfas dengan menggunaan SVM menggunaan fungs erne rada bass functon (RBF) dan Ponoma menghasan etepatan asfas tertngg mencapa 98.%. Has tersebut menunuan bahwa SVM mem etepatan asfas ebh ba a dbandngan dengan regres ogst ordna DAFAR PUSAKA [] WHO (005). Data penderta breast cancer d duna [Onne]. Avaabe: detecton/breastcancer/en/nde.htm. [] Dnas Kesehatan Nasona (007). Data penderta breast cancer d Indonesa [Onne]. Avaabe: [3] m doter RS Onoog, Breast Phscan Course, Surabaa: RS Onoog Surabaa (003). [4] Ias Magoganns, Eas Zafropoous, dan Ioanns Anagnostopouos, An Integent Sstem for Automated Breast Cancer Dagnoss and Prognoss Usng SVM Based Cassfers, Apped Integence, Vo. 30, No. (009) [5] Hu-Lng Chen, Bo Yang, Je Lu, dan Da-You Lu, A support vetor machne Cassfer wth rough set-based feature seecton for breast cancer dagnoss, Epert Sstems wth Appcatons, Vo. 38, No. 7 (0) [6] D. W. Hosmer dan Lemenshow, Apped Logst Regresson, USA: John We and Sons (000).