PERBANDINGAN METODE K-MEANS DAN FUZZY C-MEANS UNTUK PENGELOMPOKKAN DIAGNOSA KANKER PAYUDARA

Kanker payudara merupakan salah satu penyebab kematian pada Wanita. kanker payudara disebut sebagai penyakit yang sangat ganas. Namun, kanker payudara bukanlah penyakit yang menular. Dengan demikian, kanker payudara memerlukan penanganan secara khusus, sehingga dalam hal tersebut dapat dilakukan pencegahan kanker payudara secara dini. Jika tidak dilakukan pencegahan kanker payudara secara dini atau bahkan tidak mendapatkan penanganan yang lebih optimal, maka kasus penyakit kanker payudara dan tingkat kematian akan terus meningkat. Pada lingkungan medis pemeriksaaan atau deteksi kanker payudara menggunakan mamografi, mamografi adalah metode skrinning yang mampu mengidentifikasi kanker berdasarkan variabel gejala-gejala fisik dari penyakit yang muncul. Oleh karena itu, untuk mengidentifikasi diagnosa kanker perlu ditambahkan perangkat tambahan yang mampu membantu mengidentifikasi gejala kanker payudara, apakah hasil dari mamografi tersebut pasien tergolong kanker ganas atau kanker jinak. Namun, pada penelitian ini difokuskan kepada metode clustering yang akan digunakan untuk mengelompokkan diagnosa kanker payudara tersebut beradasarkan variabel gejala fisik pasien. Penelitian ini mempunyai tujuan untuk mengetahui algoritma mana yang kebih optimal digunakan untuk pengelompokkan data kanker payudara, algoritma yang digunakan dalam penelitian ini adalah algoritma k-means dan fuzzy c-means. Pada penelitian ini penentuan cluster terbaik dari masing-masing algoritma menggunakan Dunn Index dan Davies Bouldin Index dengan memanfaatkan software R. Dari penelitian perbandingan metode k-means dan fuzzy c-means diperoleh bahwasannya algoritma k-means merupakan algoritma yang lebih optimal digunakan dalam pengelompokkan data kanker payudara disbanding algoritma fuzzy c-means, dengan nilai Davies Bouldin Index k-means sebesar 1.177676, sementara fuzzy c-means sebesar 1.323947, semakin mendekati nilai nol maka semakin optimal hasil dari nilai Davies Bouldin Indexnya.
Kata kunci : Clustering, Davies Bouldin Index, Dunn Index, K-Means, Fuzzy C-Means.