Menurut data dari Global Cancer Observatory (GLOBOCAN), pada tahun 2022, terdapat 66.271 kasus baru kanker payudara di Indonesia. Walaupun beberapa metode deep learning sudah dikembangkan untuk mendeteksi glaukoma, topik deteksi glaukoma ini masih menjadi tantangan dengan ketersediaan dataset citra fundus glaukoma yang tidak seimbang. Oleh karena itu, dibutuhkan pengembangan sebuah sistem berbasis teknologi yang mampu menangani masalah ketidak seimbangan data. Penelitian ini mengajukan penggunaan metode weighted loss pada Convolutional Neural Network (CNN) untuk mendeteksi glaukoma pada dataset citra histopatologi yang memiliki ketidakseimbangan kelas.Penelitian ini bertujuan untuk membandingkan performa beberapa arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2, DenseNet121, dan ResNet50 dalam klasifikasi kanker payudara berbasis citra histopatologi dengan penerapan teknik weighted loss. Hasil penelitian menunjukkan bahwa arsitektur MobileNet V2 memberikan performa terbaik, dengan rata-rata peningkatan recall tertinggi dibanding model lain, dan menjadi satu satunya model yang mengalami peningkatan F1 Score. Meskipun mengalami penurunan akurasi, model MobileNet V2 mengalami peningkatan AUC.
Kata kunci : Kanker Payudara, CNN, Weighted Loss, Histopatologi, Deep Learning.