Penerapan Ensemble Learning dan Model Optimization untuk Klasifikasi Diagnosis Kanker Payudara

Applied Artificial Intelligence — Assignment 01 · Jurusan Teknologi Informasi, Universitas Internasional Batam
📓 Google Colab Notebook: https://colab.research.google.com/drive/12TgyQj534gNYalcV2-1FYkOqFhGGf3RD?usp=sharing

Abstrak

Kanker payudara merupakan salah satu jenis kanker dengan angka kejadian tertinggi pada perempuan di dunia, sehingga deteksi dan diagnosis dini menjadi faktor penting dalam menekan angka kematian. Penelitian ini bertujuan menerapkan dan membandingkan beberapa metode Ensemble Learning untuk klasifikasi diagnosis tumor payudara menjadi kelas jinak (benign) dan ganas (malignant) menggunakan Wisconsin Diagnostic Breast Cancer Dataset yang terdiri atas 569 sampel dan 30 fitur numerik. Model baseline Logistic Regression dibandingkan dengan empat pendekatan ensemble, yaitu Soft Voting Classifier, Random Forest, Gradient Boosting, dan Stacking Classifier. Model dievaluasi menggunakan accuracy, precision, recall, F1-score pada kelas malignant, ROC AUC, confusion matrix, serta validasi silang (5-fold stratified cross-validation), lalu dua model ensemble berbasis pohon dioptimasi melalui hyperparameter tuning dengan GridSearchCV. Hasil eksperimen menunjukkan bahwa Stacking Classifier memberikan performa terbaik dengan accuracy 0,9737, F1-score malignant 0,9647, recall malignant 0,9762, dan ROC AUC 0,9957, serta hanya menghasilkan satu kasus False Negative pada kelas malignant. Temuan ini menegaskan bahwa penggabungan beberapa learner melalui strategi stacking mampu meningkatkan dan menstabilkan performa klasifikasi diagnosis kanker payudara dibandingkan model tunggal.

Kata kunci: Ensemble Learning; Klasifikasi; Kanker Payudara; Stacking; Hyperparameter Tuning; Machine Learning

1. Pendahuluan

Kanker payudara adalah pertumbuhan sel abnormal pada jaringan payudara yang dapat berkembang menjadi tumor ganas dan menyebar ke organ lain. Berdasarkan berbagai laporan kesehatan global, kanker payudara menjadi salah satu penyebab utama kematian akibat kanker pada perempuan. Salah satu faktor yang sangat menentukan keberhasilan penanganan adalah kecepatan dan ketepatan diagnosis. Semakin dini sel ganas dikenali, semakin besar peluang keberhasilan pengobatan. Oleh karena itu, dibutuhkan pendekatan yang mampu membantu tenaga medis dalam mengenali karakteristik sel secara cepat, konsisten, dan objektif.

Perkembangan Machine Learning (ML) membuka peluang besar dalam analisis data medis. ML dapat menemukan pola tersembunyi dari fitur numerik hasil pengukuran citra sel yang sulit dianalisis secara manual, sehingga dapat berperan sebagai sistem pendukung keputusan (decision support system) bagi klinisi. Dalam konteks klasifikasi, tujuan utamanya adalah memetakan sekumpulan fitur menjadi label diagnosis yang tepat, dalam hal ini benign atau malignant.

Salah satu tantangan pada model tunggal (single model) adalah keterbatasan dalam menangkap pola yang kompleks dan kecenderungan terhadap overfitting atau underfitting. Untuk mengatasi hal tersebut, pendekatan Ensemble Learning menggabungkan beberapa model dasar (base learner) sehingga keputusan akhir menjadi lebih akurat dan stabil. Ensemble Learning terbukti mampu menurunkan variansi (melalui bagging), menurunkan bias (melalui boosting), maupun mengoptimalkan gabungan prediksi (melalui stacking).

Artikel ini berfokus pada penerapan dan perbandingan beberapa metode Ensemble Learning untuk kasus klasifikasi diagnosis kanker payudara. Model baseline Logistic Regression digunakan sebagai pembanding awal terhadap empat model ensemble. Perhatian khusus diberikan pada kemampuan model mengenali kelas malignant, karena kesalahan berupa False Negative (kasus ganas yang diprediksi jinak) memiliki konsekuensi klinis yang jauh lebih serius dibandingkan False Positive.

Adapun tujuan penelitian ini adalah sebagai berikut:

1. Membangun model baseline sebagai pembanding awal performa klasifikasi.
2. Menerapkan dan membandingkan minimal empat metode Ensemble Learning.
3. Mengevaluasi setiap model dengan metrik yang sesuai untuk data medis dengan penekanan pada kelas malignant.
4. Melakukan validasi silang dan hyperparameter tuning untuk menilai kestabilan serta mengoptimalkan model.
5. Menentukan model terbaik berdasarkan kombinasi performa dan stabilitas, bukan hanya accuracy.

Kontribusi utama penelitian ini adalah menyajikan perbandingan yang sistematis antara model baseline dan beberapa strategi ensemble pada dataset kanker payudara, serta menunjukkan bahwa pemilihan model yang tepat harus mempertimbangkan trade-off antara precision dan recall pada konteks diagnosis medis.

2. Tinjauan Pustaka

2.1 Ensemble Learning

Ensemble Learning adalah paradigma dalam machine learning yang menggabungkan beberapa model (learner) untuk menghasilkan satu keputusan gabungan yang umumnya lebih baik daripada masing-masing model secara individual. Gagasan dasarnya adalah bahwa kombinasi dari banyak model yang beragam dapat saling menutupi kelemahan, sehingga kesalahan acak antar-model cenderung saling meniadakan. Dietterich (2000) menjelaskan bahwa ensemble bekerja efektif ketika base learner memiliki akurasi yang cukup baik dan sekaligus cukup beragam (diverse). Secara umum, teknik ensemble dapat dikelompokkan menjadi tiga strategi utama: bagging, boosting, dan stacking.

2.2 Logistic Regression sebagai Baseline

Logistic Regression adalah model klasifikasi linier yang memodelkan probabilitas suatu sampel termasuk ke dalam kelas tertentu menggunakan fungsi sigmoid. Meskipun tergolong sederhana, model ini sering menjadi baseline yang kuat, mudah diinterpretasikan, dan efisien secara komputasi. Pada dataset yang relatif terpisah secara linear, Logistic Regression dapat mencapai performa yang sebanding dengan model yang jauh lebih kompleks.

2.3 Voting Classifier

Voting Classifier menggabungkan prediksi dari beberapa model dasar yang berbeda. Pada soft voting, keputusan akhir diambil dari rata-rata probabilitas kelas yang dihasilkan setiap model, sehingga model yang lebih yakin akan memberi kontribusi lebih besar. Pendekatan ini memanfaatkan keragaman antar-algoritma (misalnya kombinasi model linier, berbasis margin, dan berbasis jarak) untuk menghasilkan prediksi yang lebih robust.

2.4 Random Forest (Bagging)

Random Forest (Breiman, 2001) merupakan pengembangan dari teknik bagging (bootstrap aggregating) yang membangun banyak decision tree pada subset data dan subset fitur yang berbeda, lalu menggabungkan prediksinya melalui voting mayoritas. Randomisasi pada level data dan fitur membuat pohon-pohon menjadi beragam, sehingga variansi model menurun secara signifikan tanpa menaikkan bias secara berlebihan. Random Forest dikenal stabil, tahan terhadap overfitting, dan mampu memberikan estimasi feature importance.

2.5 Gradient Boosting (Boosting)

Gradient Boosting (Friedman, 2001) membangun model secara bertahap (sekuensial), di mana setiap model baru difokuskan untuk memperbaiki kesalahan (residual) dari model sebelumnya. Pendekatan boosting berfokus pada penurunan bias dan mampu menghasilkan model dengan akurasi tinggi. Namun, Gradient Boosting lebih sensitif terhadap pengaturan hyperparameter seperti learning_rate, jumlah estimator, dan kedalaman pohon, sehingga rentan overfitting apabila tidak di-tuning dengan hati-hati.

2.6 Stacking (Stacked Generalization)

Stacking atau stacked generalization (Wolpert, 1992) menggabungkan prediksi beberapa base learner menggunakan sebuah model tingkat kedua yang disebut meta-learner atau final estimator. Alih-alih sekadar merata-ratakan prediksi, meta-learner belajar bobot optimal untuk mengombinasikan keluaran base learner. Dengan demikian, stacking dapat memanfaatkan kekuatan spesifik dari tiap model dasar, dan sering kali menghasilkan performa yang lebih tinggi ketika base learner-nya cukup beragam.

2.7 Dataset dan Penelitian Terkait

Wisconsin Diagnostic Breast Cancer Dataset (Wolberg et al., 1995) merupakan salah satu dataset benchmark yang paling banyak digunakan untuk evaluasi algoritma klasifikasi medis. Fitur-fiturnya dihitung dari citra digital hasil fine needle aspirate (FNA) massa payudara, mendeskripsikan karakteristik inti sel. Karena sifatnya yang bersih dan terstruktur, dataset ini kerap dipakai sebagai studi kasus untuk membandingkan berbagai algoritma, termasuk metode ensemble.

3. Metodologi Penelitian

Penelitian ini menggunakan pendekatan eksperimental kuantitatif dengan alur: pemuatan dan eksplorasi data, preprocessing, pembangunan model baseline dan ensemble, evaluasi menggunakan beberapa metrik, validasi silang, hyperparameter tuning, hingga pemilihan model terbaik. Seluruh eksperimen diimplementasikan dengan bahasa Python dan pustaka scikit-learn (Pedregosa et al., 2011), serta menggunakan nilai random_state=42 agar hasil bersifat reproducible.

3.1 Dataset

Dataset yang digunakan adalah Wisconsin Diagnostic Breast Cancer Dataset yang tersedia melalui UCI Machine Learning Repository dan dapat dimuat langsung dari scikit-learn menggunakan fungsi load_breast_cancer. Sumber dataset:

• UCI Machine Learning Repository: https://archive.ics.uci.edu/dataset/17/breast+cancer+wisconsin+diagnostic
• Dokumentasi scikit-learn: https://scikit-learn.org/stable/modules/generated/sklearn.datasets.load_breast_cancer.html

Dataset terdiri atas 569 sampel, 30 fitur numerik, dan 2 kelas target (malignant dan benign). Distribusi kelas menunjukkan sedikit ketidakseimbangan, yaitu 357 sampel benign (62,74%) dan 212 sampel malignant (37,26%). Ketiga puluh fitur dikelompokkan menjadi tiga kategori dari sepuluh karakteristik inti sel, yaitu nilai rata-rata (mean), kesalahan standar (standard error), dan nilai terburuk (worst). Sepuluh karakteristik dasar tersebut mencakup radius, texture, perimeter, area, smoothness, compactness, concavity, concave points, symmetry, dan fractal dimension.

3.2 Preprocessing

Tahap preprocessing yang dilakukan meliputi:

1. Memuat dataset dari scikit-learn ke dalam struktur DataFrame.
2. Memeriksa nilai kosong (missing values). Hasil pemeriksaan menunjukkan tidak ada nilai kosong pada seluruh fitur, sehingga tidak diperlukan imputasi.
3. Memisahkan matriks fitur X dan vektor target y.
4. Membagi data menjadi train dan test set dengan stratified split (80% train = 455 sampel, 20% test = 114 sampel) agar proporsi kelas tetap terjaga pada kedua subset.
5. Menerapkan StandardScaler pada model yang sensitif terhadap skala fitur, yaitu Logistic Regression, SVM, dan KNN, melalui mekanisme Pipeline agar penskalaan hanya belajar dari data latih dan tidak terjadi kebocoran data (data leakage).

Model berbasis pohon seperti Random Forest dan Gradient Boosting tidak diwajibkan menggunakan penskalaan, karena pemisahan node pada pohon keputusan bergantung pada urutan/ambang nilai, bukan pada skala absolut fitur. Selain itu, untuk mengurangi pengaruh ketidakseimbangan kelas, sebagian model menggunakan parameter class_weight='balanced'.

3.3 Model yang Digunakan

Eksperimen menggunakan satu model baseline dan empat model ensemble:

• Baseline — Logistic Regression (dengan penskalaan dan class_weight='balanced').
• Soft Voting Classifier — kombinasi Logistic Regression, SVM (probabilistik), dan KNN melalui rata-rata probabilitas.
• Random Forest — 300 pohon dengan class_weight='balanced'.
• Gradient Boosting — model boosting sekuensial dengan konfigurasi default scikit-learn.
• Stacking Classifier — base learner Logistic Regression, Random Forest, dan Gradient Boosting, dengan final estimator Logistic Regression dan cross-validation internal 5-fold.

3.4 Metrik Evaluasi

Karena data bersifat medis dan sedikit tidak seimbang, evaluasi tidak cukup hanya menggunakan accuracy. Metrik yang digunakan beserta definisinya adalah sebagai berikut (dengan kelas positif = malignant):

• Accuracy = (TP + TN) / (TP + TN + FP + FN)
• Precision = TP / (TP + FP)
• Recall (Sensitivity) = TP / (TP + FN)
• F1-score = 2 × (Precision × Recall) / (Precision + Recall)

Selain metrik di atas, digunakan pula ROC AUC (luas area di bawah kurva ROC) yang mengukur kemampuan model membedakan kedua kelas pada berbagai ambang, serta confusion matrix untuk melihat distribusi kesalahan secara rinci. Dalam konteks diagnosis kanker, recall malignant menjadi metrik yang sangat penting karena mencerminkan kemampuan model untuk tidak melewatkan kasus ganas. F1-score digunakan untuk menyeimbangkan precision dan recall.

3.5 Validasi Silang dan Hyperparameter Tuning

Untuk memastikan performa tidak bergantung pada satu pembagian data saja, digunakan 5-fold Stratified Cross-Validation dengan metrik utama F1-score kelas malignant. Selanjutnya, Random Forest dan Gradient Boosting dioptimasi menggunakan GridSearchCV yang mencari kombinasi hyperparameter terbaik secara sistematis. Ruang pencarian yang diuji adalah:

• Random Forest: n_estimators {100, 300, 500}, max_depth {None, 3, 5, 8}, min_samples_leaf {1, 2, 4}.
• Gradient Boosting: n_estimators {50, 100, 200}, learning_rate {0,03; 0,05; 0,10}, max_depth {2, 3}.

4. Hasil dan Pembahasan

4.1 Hasil Eksperimen

Tabel 1 menyajikan hasil lengkap seluruh model, baik sebelum maupun sesudah hyperparameter tuning, yang diperoleh dari notebook ensemble_breast_cancer_colab.ipynb.

Tabel 1. Perbandingan performa seluruh model

Model	Accuracy	Precision Malignant	Recall Malignant	F1 Malignant	ROC AUC	CV F1 Mean
Logistic Regression	0,9561	0,9111	0,9762	0,9425	0,9954	0,9681
Soft Voting	0,9649	0,9524	0,9524	0,9524	0,9944	0,9706
Random Forest	0,9386	0,9070	0,9286	0,9176	0,9940	0,9394
Gradient Boosting	0,9561	0,9744	0,9048	0,9383	0,9907	0,9353
Stacking	0,9737	0,9535	0,9762	0,9647	0,9957	0,9654
Random Forest Tuned	0,9386	0,9070	0,9286	0,9176	0,9940	0,9541
Gradient Boosting Tuned	0,9474	0,9500	0,9048	0,9268	0,9914	0,9557

Secara umum, seluruh model mencapai accuracy di atas 0,93 dan ROC AUC di atas 0,99, yang menunjukkan bahwa dataset ini relatif mudah dipisahkan. Namun perbedaan yang bermakna terlihat pada precision, recall, dan F1-score kelas malignant. Gambar 1 memvisualisasikan perbandingan keenam metrik untuk memudahkan pembacaan antar-model.

![Gambar 1. Perbandingan metrik antar model]

Gambar 1. Perbandingan metrik antar model

Dari Gambar 1 terlihat bahwa Stacking konsisten berada di posisi atas pada mayoritas metrik, sementara Gradient Boosting unggul pada precision tetapi turun tajam pada recall. Random Forest memiliki F1 malignant paling rendah pada eksperimen ini.

4.2 Confusion Matrix Model Terbaik

Gambar 2 menampilkan confusion matrix dari model terbaik, yaitu Stacking Classifier, pada test set.

![Gambar 2. Confusion matrix model terbaik (Stacking)]

Gambar 2. Confusion matrix model terbaik (Stacking)

Dari confusion matrix tersebut (kelas positif = malignant) diperoleh:

• True Positive (malignant terdeteksi malignant): 41
• False Negative (malignant salah diprediksi benign): 1
• False Positive (benign salah diprediksi malignant): 2
• True Negative (benign terdeteksi benign): 70

Dengan hanya 1 False Negative dari 42 kasus malignant, model berhasil menekan kasus ganas yang terlewat hingga sangat minim. Dalam konteks diagnosis dini, hal ini sangat penting karena setiap kasus malignant yang tidak terdeteksi berpotensi menunda penanganan. Dua kasus False Positive relatif dapat ditoleransi karena umumnya hanya memicu pemeriksaan lanjutan, bukan risiko yang mengancam jiwa.

4.3 Hasil Hyperparameter Tuning

Optimasi dilakukan pada Random Forest dan Gradient Boosting menggunakan GridSearchCV dengan 5-fold Stratified Cross-Validation dan scoring F1-score kelas malignant. Kombinasi parameter terbaik yang diperoleh adalah:

• Random Forest Tuned → max_depth=5, min_samples_leaf=1, n_estimators=500 (Best CV F1 malignant = 0,9541).
• Gradient Boosting Tuned → learning_rate=0,1, max_depth=2, n_estimators=200 (Best CV F1 malignant = 0,9557).

Menariknya, tuning berhasil meningkatkan kestabilan cross-validation (nilai CV F1 mean pada kedua model meningkat dibanding versi default), tetapi tidak melampaui performa test set model Stacking. Hal ini menegaskan bahwa peningkatan pada satu aspek (kestabilan CV) tidak otomatis berarti peningkatan pada test set, sehingga pemilihan model harus mempertimbangkan beberapa metrik secara bersamaan, bukan hanya accuracy.

4.4 Analisis Perbandingan Model

Secara keseluruhan, model ensemble memberikan F1-score dan ROC AUC yang cenderung lebih tinggi atau sebanding dengan Logistic Regression. Ini menunjukkan bahwa kombinasi beberapa learner membantu menangkap pola pada dataset secara lebih menyeluruh. Stacking Classifier menjadi model dengan F1-score malignant tertinggi (0,9647) karena mampu menggabungkan kekuatan Logistic Regression, Random Forest, dan Gradient Boosting melalui final estimator yang mempelajari bobot kombinasi optimal.

Baseline Logistic Regression ternyata sangat kompetitif (recall malignant 0,9762 dan ROC AUC 0,9954). Hal ini mengindikasikan bahwa dataset memiliki pola yang cukup terpisah secara linear, sehingga model sederhana pun sudah mampu memberikan hasil yang baik. Meski demikian, Stacking tetap unggul tipis pada precision dan F1-score malignant, sehingga menghasilkan keseimbangan precision-recall yang lebih baik. Dari sudut pandang bias-variance, Random Forest cenderung stabil (variansi rendah) namun pada eksperimen ini memiliki F1 malignant terendah, sedangkan Gradient Boosting memiliki precision tinggi tetapi recall malignant paling rendah (0,9048), yang berarti lebih sering melewatkan kasus malignant — sebuah kelemahan serius untuk konteks medis.

Berdasarkan pertimbangan di atas, model terbaik yang dipilih adalah Stacking Classifier, dengan alasan:

• Memiliki F1-score malignant terbaik (0,9647).
• Memiliki recall malignant tertinggi bersama Logistic Regression (0,9762).
• Memiliki ROC AUC tertinggi (0,9957) dan hasil cross-validation yang stabil (CV F1 mean 0,9654; std 0,0210).
• Menyeimbangkan precision dan recall lebih baik dibanding model tunggal.

4.5 Feature Importance

Sebagai konteks tambahan, analisis feature importance dari Random Forest (Gambar 3) menunjukkan fitur yang paling berpengaruh dalam memisahkan kelas.

![Gambar 3. Top 10 feature importance Random Forest]

Gambar 3. Top 10 feature importance Random Forest

Fitur seperti worst perimeter, worst area, worst concave points, dan mean concave points menempati peringkat teratas. Hal ini konsisten secara medis, karena sel ganas cenderung memiliki ukuran dan bentuk inti yang lebih besar serta lebih tidak beraturan (ditandai oleh banyaknya concave points). Dengan kata lain, model tidak hanya akurat secara statistik, tetapi juga memanfaatkan fitur yang relevan secara klinis.

4.6 Diskusi

Temuan pada penelitian ini sejalan dengan literatur bahwa ensemble learning, khususnya stacking, mampu meningkatkan performa klasifikasi ketika base learner-nya beragam. Namun, penelitian ini juga menunjukkan pelajaran penting: pada dataset yang relatif mudah dan terpisah secara linear, keunggulan model kompleks terhadap baseline sederhana bisa jadi tipis. Oleh karena itu, dalam praktik nyata, pemilihan model perlu mempertimbangkan tidak hanya performa, tetapi juga interpretabilitas, biaya komputasi, dan risiko klinis dari jenis kesalahan tertentu. Untuk kasus medis, model yang meminimalkan False Negative pada kelas ganas umumnya lebih diutamakan, meskipun harus mengorbankan sedikit precision.

5. Kesimpulan

Penelitian ini menunjukkan bahwa Ensemble Learning dapat digunakan untuk meningkatkan sekaligus menstabilkan performa klasifikasi diagnosis kanker payudara. Baseline Logistic Regression terbukti menjadi pembanding awal yang kuat, sedangkan Soft Voting, Random Forest, Gradient Boosting, dan Stacking menawarkan alternatif model yang lebih fleksibel. Pada eksperimen ini, Stacking Classifier menjadi model terbaik dengan accuracy 0,9737, F1-score malignant 0,9647, recall malignant 0,9762, dan ROC AUC 0,9957, serta hanya menghasilkan satu False Negative pada kelas malignant.

Hyperparameter tuning membantu meningkatkan kestabilan cross-validation, meskipun tidak selalu melampaui performa model terbaik pada test set. Evaluasi menyeluruh menggunakan confusion matrix, metrik klasifikasi yang berfokus pada kelas malignant, serta validasi silang terbukti penting agar pemilihan model tidak hanya bergantung pada satu train-test split maupun pada accuracy semata.

6. Saran

• Menguji model pada dataset yang lebih besar dan berasal dari sumber nyata (misalnya data rumah sakit) untuk menilai kemampuan generalisasi.
• Menerapkan teknik penanganan ketidakseimbangan kelas yang lebih lanjut, seperti SMOTE, serta melakukan optimasi ambang keputusan (threshold tuning) untuk memaksimalkan recall malignant.
• Menambahkan metode explainability seperti SHAP atau LIME agar keputusan model lebih transparan dan dapat dipertanggungjawabkan secara klinis.
• Mempertimbangkan algoritma boosting modern seperti XGBoost, LightGBM, atau CatBoost sebagai base learner tambahan pada skema stacking.

7. Keterbatasan

• Dataset relatif kecil, yaitu hanya 569 sampel.
• Dataset sudah bersih, sehingga tahap preprocessing tidak mewakili seluruh kompleksitas data medis nyata (misalnya data hilang, noise, atau kesalahan pengukuran).
• Model belum boleh digunakan sebagai alat diagnosis klinis langsung tanpa validasi medis dan uji klinis yang memadai.
• Evaluasi hanya memakai data publik, bukan data rumah sakit lokal, sehingga generalisasi ke populasi lain masih perlu diuji.
• Interpretasi fitur masih sederhana dan belum memakai metode explainability formal.

AI Disclosure

• Tool: ChatGPT / Notion AI.
• Purpose: Membantu brainstorming, generate & debug kode Python untuk evaluasi model dan hyperparameter tuning, serta perbaikan penulisan.
• Verification: Seluruh kode diperiksa dan dijalankan ulang oleh tim, metrik diverifikasi, dan interpretasi hasil dilakukan sendiri oleh anggota kelompok.

Anggota Kelompok dan Kontribusi

Anggota	NIM	Peran	Kontribusi
Xlhynz	2432059	Ketua Tim & Project Lead	Koordinasi tim, timeline, pembagian tugas; merancang alur eksperimen end-to-end; integrasi & finalisasi notebook; memastikan reproducibility (random_state=42).
Muhammad Anugrah Wahyu Saputra	2432003	Data Engineer	Memuat & eksplorasi Wisconsin Diagnostic Breast Cancer Dataset; cek missing values; stratified split 80/20; dokumentasi sumber data.
Devin Ng	2432012	Model Developer	Membangun baseline (Logistic Regression) & seluruh model ensemble (Soft Voting, Random Forest, Gradient Boosting, Stacking); menyusun Pipeline + StandardScaler.
Lam Jeen Sin Anthony	2432070	Model Optimization & Evaluation	Hyperparameter tuning (GridSearchCV); 5-fold Stratified Cross-Validation; perhitungan metrik, confusion matrix, feature importance, dan visualisasi.
Nicholas Syahputra	2432050	Technical Writer	Penulisan artikel penuh (abstrak–kesimpulan), sitasi, daftar pustaka, penyelarasan narasi dengan hasil.

Daftar Pustaka

• Pedregosa et al. (2011). Scikit-learn: Machine Learning in Python. https://www.jmlr.org/papers/v12/pedregosa11a.html
• Breiman, L. (2001). Random Forests. https://link.springer.com/article/10.1023/A:1010933404324
• Dietterich, T. G. (2000). Ensemble Methods in Machine Learning. https://link.springer.com/chapter/10.1007/3-540-45014-9_1
• Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. https://projecteuclid.org/journals/annals-of-statistics/volume-29/issue-5/Greedy-function-approximation-A-gradient-boosting-machine/10.1214/aos/1013203451.full
• Wolberg et al. (1995). UCI Machine Learning Repository — Breast Cancer Wisconsin (Diagnostic). https://archive.ics.uci.edu/dataset/17/breast+cancer+wisconsin+diagnostic