Description

Pada Study kasus kali ini saya akan mencoba untuk membanding tingkat keakurasian dari beberapa algoritma yaitu algoritma Logistic Linear, K-NN, SVM, dan Decession Tree untuk klasifikasi Kanker Payudara, darai masing masing algoritma tersebut manakah algoritma yang memiliki tingkat akurasi yang tertinggi, oleh karena itu diperlukan visualisasi data dan percobaan perbandingan untuk mengetahuinya.

Dari Hasil tersebut didapatkan sebuah kesimpulan mana algoritma mechine learning terbaik untuk menentukan kasus klasifikasi ini, setelah mendapatkan hasil tersebut kemudian digunakan untuk memprediksi mendeteksinya adalah bagaimana mengklasifikasikan tumor menjadi ganas (kanker) atau jinak. 

Hal-hal yang perlu diperhatikan : 

Dataset

1. Membangun model klasifikasi untuk memprediksi apakah jenis kanker ganas atau jinak.
2. Membandingkan metrik evaluasi dari berbagai algoritma klasifikasi.

1. Import Library

Ada beberapa library awal yang diperlukan seperti, numpy pandas, matplotlib dan juga seaborn, ini merupakan library awal sebelum kita masuk kedalam proses lanjutan lainya 

2. Membaca Dataset

3. Hapus Data yang tidak diperlukan 

4. Plotting Menggunakan Scatter Plot

5. Feature Engenering, Split Data, & Preprocessing

6. Modeling

Tahap Berikutnya adalah membuat model klasifikasi menggunakan beberapa algoritma mechine learning

1. Logistic Regression
2. KNN
3. SVM
4. Decession Tree

Dari beberapa algoritma mechine learning tersebut terdapat beberapa hasil dari masing masing algoritma berikut hasilnya 

7.  Visualisasi Model Comparation

8. Rank Algoritma Klasifikasi Terbaik

9. Prediksi Menggunakan SVM

10. Hasil Prediksi