BAB I PENDAHULUAN

1.1 Latar Belakang

Kanker payudara merupakan salah satu permasalahan kesehatan yang memerlukan deteksi dan penanganan secara tepat. Karakteristik sel dapat digunakan untuk membedakan tumor jinak (benign) dan ganas (malignant). Metode machine learning dapat membantu mempelajari pola dari sejumlah karakteristik tersebut.

K-Nearest Neighbors (K-NN) merupakan metode klasifikasi yang menentukan kelas suatu pengamatan berdasarkan mayoritas kelas dari sejumlah tetangga terdekat. Banyaknya tetangga ditentukan oleh parameter \(k\). Nilai \(k\) yang berbeda dapat menghasilkan keputusan klasifikasi yang berbeda sehingga perlu dilakukan perbandingan.

Pada praktikum ini K-NN diterapkan pada Wisconsin Breast Cancer Database dari paket mlbench. Nilai \(k\) yang dibandingkan adalah 3, 5, 7, 9, dan 11. Evaluasi tidak hanya memperhatikan accuracy, tetapi juga sensitivity kelas malignant karena kesalahan menggolongkan tumor ganas sebagai jinak merupakan hal yang perlu diminimalkan.

1.2 Rumusan Masalah

  1. Bagaimana melakukan pra-pemrosesan Wisconsin Breast Cancer Database?
  2. Bagaimana penerapan K-NN untuk membedakan tumor jinak dan ganas?
  3. Bagaimana perbandingan kinerja K-NN untuk \(k=3,5,7,9,11\)?
  4. Nilai \(k\) manakah yang memberikan sensitivity terbaik dalam mendeteksi tumor ganas?

1.3 Tujuan

  1. Menerapkan metode K-NN pada data Breast Cancer.
  2. Menangani missing value dan melakukan standardisasi prediktor.
  3. Membandingkan lima nilai \(k\).
  4. Mengevaluasi model menggunakan accuracy, sensitivity, specificity, dan confusion matrix.
  5. Menentukan model dengan mempertimbangkan kemampuan mendeteksi kelas malignant.

1.4 Manfaat

Praktikum ini diharapkan memberikan pemahaman mengenai klasifikasi berbasis tetangga terdekat, pentingnya pra-pemrosesan, pengaruh parameter \(k\), serta penggunaan metrik evaluasi yang sesuai dengan tujuan klasifikasi.

1.5 Batasan Masalah

  1. Dataset menggunakan BreastCancer dari paket mlbench.
  2. Variabel respons adalah Class, dengan kelas benign dan malignant.
  3. Variabel Id tidak digunakan sebagai prediktor.
  4. Prediktor dikonversi menjadi numerik dan missing value diimputasi menggunakan median data training.
  5. Data dibagi menjadi 70% training dan 30% testing secara terstratifikasi.
  6. Seed yang digunakan adalah 12305, sesuai digit akhir NPM F1F023005.
  7. Nilai \(k\) yang diuji adalah 3, 5, 7, 9, dan 11.
  8. Kelas malignant ditetapkan sebagai kelas positif.
  9. Model terbaik dipilih dengan prioritas sensitivity tertinggi, kemudian FN terendah, specificity tertinggi, dan accuracy tertinggi.

1.6 Sistematika Penulisan

Laporan terdiri atas pendahuluan, tinjauan pustaka, metode penelitian, hasil dan pembahasan, kesimpulan dan saran, daftar pustaka, serta lampiran kode program.

BAB II TINJAUAN PUSTAKA

2.1 K-Nearest Neighbors

K-Nearest Neighbors merupakan metode supervised learning nonparametrik yang menentukan kelas suatu pengamatan baru berdasarkan kelas mayoritas dari \(k\) pengamatan terdekat pada data training. Metode ini tidak membentuk persamaan parametrik, melainkan menggunakan data training sebagai acuan ketika melakukan prediksi.

2.2 Jarak Euclidean

Jarak Euclidean digunakan untuk mengukur kedekatan antara dua pengamatan. Untuk dua pengamatan \(x\) dan \(y\) dengan \(p\) variabel, jarak Euclidean dirumuskan sebagai:

\[ d(x,y)=\sqrt{\sum_{j=1}^{p}(x_j-y_j)^2} \]

Standardisasi diperlukan agar variabel dengan rentang nilai besar tidak mendominasi perhitungan jarak.

2.3 Pemilihan Nilai k

Nilai \(k\) menunjukkan jumlah tetangga yang digunakan untuk menentukan kelas. Nilai \(k\) kecil lebih peka terhadap pola lokal, tetapi dapat terpengaruh noise. Nilai \(k\) besar menghasilkan keputusan yang lebih halus, tetapi berpotensi mengaburkan pola lokal. Oleh karena itu, beberapa nilai \(k\) dibandingkan menggunakan data uji yang sama.

2.4 Pra-pemrosesan Data

Pra-pemrosesan meliputi penghapusan variabel identitas, konversi prediktor menjadi numerik, imputasi missing value, pembagian data, dan standardisasi. Median, rata-rata, serta simpangan baku dihitung hanya dari data training, kemudian diterapkan pada data testing untuk menghindari data leakage.

2.5 Confusion Matrix dan Metrik Evaluasi

Dalam praktikum ini, malignant merupakan kelas positif. Komponen confusion matrix terdiri atas True Positive (TP), True Negative (TN), False Positive (FP), dan False Negative (FN).

\[ Accuracy=\frac{TP+TN}{TP+TN+FP+FN} \]

\[ Sensitivity=\frac{TP}{TP+FN} \qquad Specificity=\frac{TN}{TN+FP} \]

Sensitivity menunjukkan kemampuan model mengenali tumor ganas. FN menunjukkan jumlah tumor ganas yang salah diprediksi sebagai jinak.

BAB III METODE PENELITIAN

3.1 Jenis dan Sumber Data

Data yang digunakan adalah Wisconsin Breast Cancer Database yang tersedia pada paket mlbench melalui dataset BreastCancer. Dataset berisi karakteristik sel yang digunakan untuk mengklasifikasikan tumor ke dalam kelas benign dan malignant.

3.2 Variabel Penelitian

variabel_tab <- data.frame(
  Variabel = c(
    "Id", "Cl.thickness", "Cell.size", "Cell.shape",
    "Marg.adhesion", "Epith.c.size", "Bare.nuclei",
    "Bl.cromatin", "Normal.nucleoli", "Mitoses", "Class"
  ),
  Peran = c(
    "Identitas", rep("Prediktor", 9), "Respons"
  ),
  Keterangan = c(
    "Nomor identitas pengamatan (tidak digunakan dalam model)",
    rep("Karakteristik sel tumor", 9),
    "Kelas tumor: benign atau malignant"
  )
)

knitr::kable(
  variabel_tab,
  caption = "Tabel 3.1 Variabel penelitian"
)
Tabel 3.1 Variabel penelitian
Variabel Peran Keterangan
Id Identitas Nomor identitas pengamatan (tidak digunakan dalam model)
Cl.thickness Prediktor Karakteristik sel tumor
Cell.size Prediktor Karakteristik sel tumor
Cell.shape Prediktor Karakteristik sel tumor
Marg.adhesion Prediktor Karakteristik sel tumor
Epith.c.size Prediktor Karakteristik sel tumor
Bare.nuclei Prediktor Karakteristik sel tumor
Bl.cromatin Prediktor Karakteristik sel tumor
Normal.nucleoli Prediktor Karakteristik sel tumor
Mitoses Prediktor Karakteristik sel tumor
Class Respons Kelas tumor: benign atau malignant

3.3 Tahapan Analisis

Tahapan analisis dimulai dari pemanggilan data, pemeriksaan struktur dan missing value, penghapusan variabel identitas, konversi prediktor menjadi numerik, pembagian data, imputasi dan standardisasi, pembentukan model untuk lima nilai \(k\), evaluasi, serta pemilihan model terbaik.

3.4 Diagram Alir Penelitian

Gambar 3.1. Diagram alir penerapan K-NN pada data kanker payudara.

BAB IV HASIL DAN PEMBAHASAN

4.1 Pembuatan dan Pemeriksaan Data

# Memanggil dataset dengan data(), bukan mlbench::BreastCancer
data(
  "BreastCancer",
  package = "mlbench",
  envir = environment()
)

data_bc <- BreastCancer

cat("Jumlah pengamatan awal:", nrow(data_bc), "\n")
## Jumlah pengamatan awal: 699
cat("Jumlah variabel awal:", ncol(data_bc), "\n")
## Jumlah variabel awal: 11
cat("Jumlah missing value awal:", sum(is.na(data_bc)), "\n")
## Jumlah missing value awal: 16
knitr::kable(
  data.frame(
    Keterangan = c(
      "Jumlah pengamatan",
      "Jumlah variabel",
      "Jumlah prediktor setelah Id dihapus",
      "Jumlah missing value"
    ),
    Jumlah = c(
      nrow(data_bc),
      ncol(data_bc),
      ncol(data_bc)-2,
      sum(is.na(data_bc))
    )
  ),
  caption = "Tabel 4.1 Ringkasan data BreastCancer"
)
Tabel 4.1 Ringkasan data BreastCancer
Keterangan Jumlah
Jumlah pengamatan 699
Jumlah variabel 11
Jumlah prediktor setelah Id dihapus 9
Jumlah missing value 16

Dataset memiliki dua kelas, yaitu benign dan malignant. Variabel Id hanya merupakan identitas pengamatan sehingga tidak digunakan sebagai prediktor.

4.2 Pra-pemrosesan dan Pembagian Data

# Menghapus variabel Id
data_bc$Id <- NULL

# Mengubah variabel respons menjadi faktor
data_bc$Class <- factor(
  as.character(data_bc$Class),
  levels = c("benign","malignant")
)

# Mengubah seluruh prediktor menjadi numerik
prediktor <- setdiff(names(data_bc), "Class")

for (v in prediktor) {
  data_bc[[v]] <- as.numeric(
    as.character(data_bc[[v]])
  )
}

# Memeriksa missing value
missing_tab <- data.frame(
  Variabel = names(data_bc),
  Jumlah_NA = sapply(
    data_bc,
    function(x) sum(is.na(x))
  )
)

knitr::kable(
  missing_tab,
  caption = "Tabel 4.2 Missing value sebelum imputasi"
)
Tabel 4.2 Missing value sebelum imputasi
Variabel Jumlah_NA
Cl.thickness Cl.thickness 0
Cell.size Cell.size 0
Cell.shape Cell.shape 0
Marg.adhesion Marg.adhesion 0
Epith.c.size Epith.c.size 0
Bare.nuclei Bare.nuclei 16
Bl.cromatin Bl.cromatin 0
Normal.nucleoli Normal.nucleoli 0
Mitoses Mitoses 0
Class Class 0
# Membagi data training dan testing
set.seed(12305)

indeks_train <- caret::createDataPartition(
  data_bc$Class,
  p = .70,
  list = FALSE
)

train_raw <- data_bc[indeks_train,,drop=FALSE]
test_raw <- data_bc[-indeks_train,,drop=FALSE]

# Tabel pembagian data
pembagian <- data.frame(
  Data = c("Training","Testing","Total"),
  Jumlah = c(
    nrow(train_raw),
    nrow(test_raw),
    nrow(data_bc)
  ),
  Persentase = round(
    100*c(
      nrow(train_raw),
      nrow(test_raw),
      nrow(data_bc)
    )/nrow(data_bc),
    2
  )
)

knitr::kable(
  pembagian,
  caption = "Tabel 4.3 Pembagian data"
)
Tabel 4.3 Pembagian data
Data Jumlah Persentase
Training 490 70.1
Testing 209 29.9
Total 699 100.0

Data dibagi secara terstratifikasi agar proporsi kelas pada training dan testing relatif terjaga. Data testing tidak digunakan untuk menghitung parameter imputasi maupun standardisasi.

4.3 Imputasi dan Standardisasi

# Menghitung median dari data training
median_train <- sapply(
  train_raw[,prediktor,drop=FALSE],
  median,
  na.rm=TRUE
)

# Fungsi imputasi menggunakan median training
imputasi <- function(data, variabel, median_ref) {
  hasil <- data

  for (v in variabel) {
    hasil[[v]][is.na(hasil[[v]])] <- median_ref[v]
  }

  hasil
}

# Melakukan imputasi
train_imp <- imputasi(
  train_raw,
  prediktor,
  median_train
)

test_imp <- imputasi(
  test_raw,
  prediktor,
  median_train
)

# Menghitung rata-rata dan standar deviasi training
rata_train <- sapply(
  train_imp[,prediktor,drop=FALSE],
  mean
)

sd_train <- sapply(
  train_imp[,prediktor,drop=FALSE],
  sd
)

# Menghindari pembagian dengan nol
sd_train[is.na(sd_train) | sd_train == 0] <- 1

# Standardisasi menggunakan parameter training
x_train <- as.data.frame(
  scale(
    train_imp[,prediktor,drop=FALSE],
    center=rata_train,
    scale=sd_train
  )
)

x_test <- as.data.frame(
  scale(
    test_imp[,prediktor,drop=FALSE],
    center=rata_train,
    scale=sd_train
  )
)

# Menentukan variabel respons
y_train <- train_imp$Class
y_test <- test_imp$Class

cat(
  "Missing value training setelah imputasi:",
  sum(is.na(x_train)),
  "\n"
)
## Missing value training setelah imputasi: 0
cat(
  "Missing value testing setelah imputasi:",
  sum(is.na(x_test)),
  "\n"
)
## Missing value testing setelah imputasi: 0

Median, rata-rata, dan simpangan baku dihitung dari data training. Parameter yang sama diterapkan pada testing agar tidak terjadi kebocoran informasi dari data uji.

4.4 Distribusi Kelas

distribusi <- as.data.frame(
  table(data_bc$Class)
)

names(distribusi) <- c("Kelas","Jumlah")

knitr::kable(
  distribusi,
  caption = "Tabel 4.4 Distribusi kelas"
)
Tabel 4.4 Distribusi kelas
Kelas Jumlah
benign 458
malignant 241
ggplot(
  distribusi,
  aes(x=Kelas,y=Jumlah,fill=Kelas)
) +
  geom_col(width=.65,show.legend=FALSE) +
  geom_text(
    aes(label=Jumlah),
    vjust=-.4,
    size=4
  ) +
  scale_fill_brewer(palette="Set2") +
  labs(
    title="Distribusi Kelas Tumor",
    x="Kelas",
    y="Jumlah pengamatan"
  ) +
  theme_minimal() +
  theme(
    plot.title=element_text(
      hjust=.5,
      face="bold"
    )
  )

4.5 Pemodelan K-NN dan Evaluasi

# Nilai k yang diuji
nilai_k <- c(3,5,7,9,11)

hasil_model <- list()
prediksi_list <- list()
confusion_list <- list()

# Fungsi menghitung metrik evaluasi
hitung_metrik <- function(aktual,prediksi) {

  aktual <- factor(
    aktual,
    levels=c("benign","malignant")
  )

  prediksi <- factor(
    prediksi,
    levels=c("benign","malignant")
  )

  cm <- table(
    Aktual=aktual,
    Prediksi=prediksi
  )

  TN <- as.numeric(cm["benign","benign"])
  FP <- as.numeric(cm["benign","malignant"])
  FN <- as.numeric(cm["malignant","benign"])
  TP <- as.numeric(cm["malignant","malignant"])

  c(
    Accuracy=(TP+TN)/sum(cm),
    Sensitivity=ifelse(TP+FN==0,NA,TP/(TP+FN)),
    Specificity=ifelse(TN+FP==0,NA,TN/(TN+FP)),
    TP=TP,
    TN=TN,
    FP=FP,
    FN=FN
  )
}

# Pemodelan untuk setiap nilai k
for (k in nilai_k) {

  set.seed(12305)

  prediksi <- class::knn(
    train=as.matrix(x_train),
    test=as.matrix(x_test),
    cl=y_train,
    k=k
  )

  nama <- paste0("K-NN k=",k)

  prediksi_list[[nama]] <- prediksi

  cm <- table(
    Aktual=factor(
      y_test,
      levels=c("benign","malignant")
    ),
    Prediksi=factor(
      prediksi,
      levels=c("benign","malignant")
    )
  )

  confusion_list[[nama]] <- cm

  met <- hitung_metrik(
    y_test,
    prediksi
  )

  hasil_model[[nama]] <- data.frame(
    Model=nama,
    k=k,
    Accuracy=unname(met["Accuracy"]),
    Sensitivity=unname(met["Sensitivity"]),
    Specificity=unname(met["Specificity"]),
    TP=unname(met["TP"]),
    TN=unname(met["TN"]),
    FP=unname(met["FP"]),
    FN=unname(met["FN"])
  )
}

# Menggabungkan hasil semua model
tabel_knn <- do.call(
  rbind,
  hasil_model
)

rownames(tabel_knn) <- NULL

knitr::kable(
  tabel_knn,
  digits=4,
  caption="Tabel 4.5 Perbandingan kinerja K-NN pada data uji"
)
Tabel 4.5 Perbandingan kinerja K-NN pada data uji
Model k Accuracy Sensitivity Specificity TP TN FP FN
K-NN k=3 3 0.9713 0.9444 0.9854 68 135 2 4
K-NN k=5 5 0.9952 1.0000 0.9927 72 136 1 0
K-NN k=7 7 0.9856 0.9722 0.9927 70 136 1 2
K-NN k=9 9 0.9856 0.9722 0.9927 70 136 1 2
K-NN k=11 11 0.9856 0.9722 0.9927 70 136 1 2

Setiap model menggunakan data training dan testing yang sama. Perbedaan hasil evaluasi menggambarkan pengaruh banyaknya tetangga yang digunakan dalam klasifikasi.

4.6 Confusion Matrix Setiap Nilai k

for (nm in names(confusion_list)) {

  cat("\n\n### ",nm,"\n\n",sep="")

  print(
    knitr::kable(
      confusion_list[[nm]],
      caption=paste("Confusion matrix",nm)
    )
  )
}

K-NN k=3

Confusion matrix K-NN k=3
benign malignant
benign 135 2
malignant 4 68

K-NN k=5

Confusion matrix K-NN k=5
benign malignant
benign 136 1
malignant 0 72

K-NN k=7

Confusion matrix K-NN k=7
benign malignant
benign 136 1
malignant 2 70

K-NN k=9

Confusion matrix K-NN k=9
benign malignant
benign 136 1
malignant 2 70

K-NN k=11

Confusion matrix K-NN k=11
benign malignant
benign 136 1
malignant 2 70

Baris pada confusion matrix menunjukkan kelas aktual, sedangkan kolom menunjukkan kelas prediksi. FN merupakan kasus malignant yang diprediksi sebagai benign. Semakin kecil FN, semakin sedikit kasus ganas yang terlewat pada data uji.

4.7 Grafik Perbandingan Metrik

grafik_knn <- tidyr::pivot_longer(
  tabel_knn[
    ,
    c("Model","Accuracy","Sensitivity","Specificity")
  ],
  cols=c("Accuracy","Sensitivity","Specificity"),
  names_to="Metrik",
  values_to="Nilai"
)

ggplot(
  grafik_knn,
  aes(x=Model,y=Nilai,fill=Metrik)
) +
  geom_col(
    position=position_dodge(width=.8),
    width=.7
  ) +
  scale_fill_brewer(palette="Set2") +
  coord_cartesian(ylim=c(0,1)) +
  labs(
    title="Perbandingan Metrik K-NN",
    x="Model",
    y="Nilai metrik",
    fill="Metrik"
  ) +
  theme_minimal() +
  theme(
    plot.title=element_text(
      hjust=.5,
      face="bold"
    ),
    axis.text.x=element_text(
      angle=15,
      hjust=1
    ),
    legend.position="bottom"
  )

Grafik membandingkan accuracy, sensitivity, dan specificity pada lima nilai \(k\). Sensitivity menjadi perhatian utama karena kelas positif yang digunakan adalah malignant.

4.8 Penentuan Model Terbaik

# Mengurutkan model berdasarkan kriteria yang ditentukan
peringkat <- tabel_knn[
  order(
    -tabel_knn$Sensitivity,
    tabel_knn$FN,
    -tabel_knn$Specificity,
    -tabel_knn$Accuracy
  ),
]

rownames(peringkat) <- NULL

knitr::kable(
  peringkat,
  digits=4,
  caption="Tabel 4.6 Peringkat model berdasarkan prioritas deteksi malignant"
)
Tabel 4.6 Peringkat model berdasarkan prioritas deteksi malignant
Model k Accuracy Sensitivity Specificity TP TN FP FN
K-NN k=5 5 0.9952 1.0000 0.9927 72 136 1 0
K-NN k=7 7 0.9856 0.9722 0.9927 70 136 1 2
K-NN k=9 9 0.9856 0.9722 0.9927 70 136 1 2
K-NN k=11 11 0.9856 0.9722 0.9927 70 136 1 2
K-NN k=3 3 0.9713 0.9444 0.9854 68 135 2 4
# Mengambil model terbaik
model_terbaik <- peringkat[1,]

cat(
  "Model terbaik:",
  model_terbaik$Model,
  "\n"
)
## Model terbaik: K-NN k=5
cat(
  "Accuracy:",
  round(model_terbaik$Accuracy,4),
  "\n"
)
## Accuracy: 0.9952
cat(
  "Sensitivity:",
  round(model_terbaik$Sensitivity,4),
  "\n"
)
## Sensitivity: 1
cat(
  "Specificity:",
  round(model_terbaik$Specificity,4),
  "\n"
)
## Specificity: 0.9927
cat(
  "False Negative:",
  model_terbaik$FN,
  "\n"
)
## False Negative: 0

Model terbaik dipilih dengan mengutamakan sensitivity tertinggi. Jika terdapat nilai sensitivity yang sama, model dengan FN lebih rendah diprioritaskan, kemudian specificity dan accuracy. Kriteria ini disesuaikan dengan tujuan praktikum, yaitu mengurangi kasus tumor ganas yang salah diklasifikasikan sebagai jinak.

4.9 Interpretasi Otomatis

cat(
  "Model terbaik adalah **",
  model_terbaik$Model,
  "**. Model menghasilkan accuracy **",
  round(100*model_terbaik$Accuracy,2),
  "%**, sensitivity **",
  round(100*model_terbaik$Sensitivity,2),
  "%**, dan specificity **",
  round(100*model_terbaik$Specificity,2),
  "%**. Jumlah False Negative adalah **",
  model_terbaik$FN,
  "**.\n\n",
  sep=""
)

Model terbaik adalah K-NN k=5. Model menghasilkan accuracy 99.52%, sensitivity 100%, dan specificity 99.27%. Jumlah False Negative adalah 0.

cat(
  "Sensitivity menunjukkan proporsi tumor ganas yang berhasil dikenali. ",
  "False Negative menunjukkan tumor ganas yang diprediksi sebagai jinak. ",
  "Oleh karena itu, hasil model perlu ditinjau berdasarkan sensitivity dan FN, ",
  "tidak hanya accuracy.\n",
  sep=""
)

Sensitivity menunjukkan proporsi tumor ganas yang berhasil dikenali. False Negative menunjukkan tumor ganas yang diprediksi sebagai jinak. Oleh karena itu, hasil model perlu ditinjau berdasarkan sensitivity dan FN, tidak hanya accuracy.

Hasil tersebut merupakan performa pada satu pembagian data dengan seed yang telah ditentukan. Model ini merupakan latihan klasifikasi statistik dan tidak menggantikan diagnosis tenaga medis.

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan

Metode K-NN diterapkan pada Wisconsin Breast Cancer Database untuk mengklasifikasikan tumor ke dalam kelas benign dan malignant. Pra-pemrosesan dilakukan melalui penghapusan variabel identitas, konversi prediktor menjadi numerik, imputasi missing value menggunakan median training, serta standardisasi berdasarkan parameter training.

Lima nilai \(k\), yaitu 3, 5, 7, 9, dan 11, dibandingkan menggunakan data testing yang sama. Evaluasi dilakukan dengan accuracy, sensitivity, specificity, dan confusion matrix. Model terbaik dipilih dengan memprioritaskan sensitivity kelas malignant, kemudian FN, specificity, dan accuracy. Nilai numerik akhir mengikuti output ketika dokumen dijalankan.

5.2 Saran

Analisis selanjutnya dapat menggunakan validasi silang berulang, mencoba nilai \(k\) yang lebih beragam, serta membandingkan K-NN dengan metode klasifikasi lainnya. Untuk penggunaan medis, model perlu diuji pada data eksternal dan divalidasi oleh tenaga profesional.

DAFTAR PUSTAKA

Cover, T. M., & Hart, P. E. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27.

Dua, D., & Graff, C. (2019). UCI machine learning repository. University of California, Irvine.

Kuhn, M. (2008). Building predictive models in R using the caret package. Journal of Statistical Software, 28(5), 1–26.

Leisch, F., & Dimitriadou, E. (2024). mlbench: Machine Learning Benchmark Problems. R package.

R Core Team. (2026). R: A language and environment for statistical computing. R Foundation for Statistical Computing.

LAMPIRAN

Seluruh kode analisis disertakan pada setiap bagian laporan. Buka berkas .Rmd di RStudio, pastikan koneksi internet tersedia saat paket perlu dipasang, kemudian klik Knit untuk menghasilkan laporan HTML yang memuat tabel, diagram alir, confusion matrix, grafik, dan interpretasi berdasarkan hasil aktual.