KLASIFIKASI TUMOR PAYUDARA DENGAN CITRA MAMMOGRAM MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

MUHAMMAD FAJRU RAMADHAN, 1857051003 (2022) KLASIFIKASI TUMOR PAYUDARA DENGAN CITRA MAMMOGRAM MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). FAKULTAS MIPA, UNIVERSITAS LAMPUNG.

Preview	Text ABSTRAK.pdf Download (525kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (2MB)
Preview	Text SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (1MB) | Preview

Abstract

Tumor adalah massa jaringan abnormal. Tumor terjadi karena adanya perubahan genetik (mutasi) pada sel. Sel-sel abnormal yang terus tumbuh dan tidak dapat dihancurkan oleh mekanisme tubuh secara perlahan akan memakan sel-sel sehat di sekitarnya. Kondisi ini akan membuat tumor menjadi ganas dan mulai menjadi kanker yang berbahaya. Tumor dapat tumbuh di beberapa bagian tubuh, termasuk payudara. Umumnya tumor payudara diderita oleh wanita, namun tidak menutup kemungkinan bagi pria juga. Penelitian ini berfokus pada klasifikasi tumor payudara untuk deteksi dini kanker payudara berdasarkan citra mammogram payudara wanita. Algoritma deep learning digunakan dalam penelitian ini untuk mendeteksi tumor payudara. Klasifikasi tersebut menggunakan algoritma deep learning berupa Convolutional Neural Network (CNN). Penelitian ini menggunakan arsitektur AlexNet dan GoogleNet. Tujuan dari penelitian ini adalah untuk menganalisis accuracy, precision, recall, dan F1 score arsitektur AlexNet dan GoogleNet untuk klasifikasi tumor payudara. Data yang digunakan adalah citra mammogram payudara dari MIAS (Mammographic Image Analysis Society) Database. Setelah dilakukan beberapa percobaan, didapatkan hasil tertinggi, yaitu accuracy 93,24%, precision 93,30%, recall 93,24%, dan F1 score 93,23% yang diperoleh dari arsitektur GoogLeNet dengan skenario pemisahan data 80% training 20% testing dan dimensi input 224×224 piksel. Penelitian ini memperlihatkan bahwa CNN dengan arsitektur AlexNet dan GoogLeNet mampu mendeteksi tumor payudara dari citra mammogram.

Item Type:	Other
Subjects:	?? 000 ?? ?? 004 ?? ?? 005 ??
Divisions:	Fakultas MIPA > Prodi Ilmu Komputer
Depositing User:	2208089056 . Digilib
Date Deposited:	26 Aug 2022 01:53
Last Modified:	26 Aug 2022 01:53
URI:	http://digilib.unila.ac.id/id/eprint/65701

Actions (login required)

View Item