Penyakit kanker payudara merupakan pembunuh wanita terbanyak di dunia, terjadi karena pertumbuhan sel yang kehilangan pengendalian mekanisme normal. Sel-sel tersebut akan terus menerus tumbuh menjadi sebuah benjolan (tumor). Pada umumnya hal ini disebabkan kurangnya penanganan dini serta pengobatan yang lambat. Salah satu langkah untuk pencegahan kanker payudara ini dengan melakukan klasifikasi penggolongan kanker payudara ganas dan tidak ganas. Penelitian ini menggunakan dataset Breast Cancer Wisconsin (original) yang berisi 699 data dengan 11 kelas dan 1 kelas sebagai atribut target. Pada penelitian ini terdapat data yang tidak seimbang sehingga penulis menggunakan Synthetic Minority Oversampling (SMOTE) untuk menyeimbangkan data, algortima Backpropagation untuk mengklasifikasi data, dan Whale Optimization Algorithm (WOA) sebagai optimasi. Tujuan dari penelitian ini untuk menganalisis pengaruh yang dihasilkan oleh metode backpropagation dan SMOTE, pengaruh yang dihasilkan oleh metode backpropagation dengan WOA, serta pengaruh yang dihasilkan oleh metode backpropagation dan SMOTE setelah menggunakan WOA. Hasil penelitian ini dievaluasi menggunakan confusion matrix dan AUC. Hasil yang diperoleh pada penelitian menggunakan backpropagation yaitu akurasi akurasi 96,49%, presisi 94,27%, recall 95,53%, dan AUC 96,26% dan g-mean 95,57%. Setelah menggunakan SMOTE dan WOA kinerja backpropagation yaitu akurasi 99,06%, presisi 97,78%, recall 97,48%, AUC 98,50%, dan g-mean 97,47%. Dengan peningkatan kinerja ini, dapat disimpulkan bahwa penggunaan SMOTE dan WOA efektif untuk peningkatan keakuratan, tetapi hasilnya kurang signifikan.