View/Open

Author
Ammanda, Rosnatul Nelda.A

Advisor
Rudi , Setiawan, S.T.,M.T.
M. Afif, Hendrawan, S.Kom., M.T.
Doni, Bowo Nugroho, S.Pd., M.Sc.

Koleksi
Undergraduate Thesis

Publisher

Kanker payudara merupakan salah satu jenis kanker yang paling umum di dunia dan menjadi masalah serius bagi kesehatan wanita, sehingga sangat penting bagi setiap perempuan untuk melakukan pengecekan rutin secara dini untuk meminimalkan angka kematian. Pemeriksaan ini dapat dilakukan dengan menggunakan mammografi dan analisis citra mammografi. Penelitian ini mengusulkan deteksi kanker payudara berbasis Convolutional Neural Network (CNN) dengan menggunakan parameter tekstur dan bentuk dari gambar mammografi untuk menentukan kelasnya. Terdapat dua kelas yang dilatih menggunakan CNN yaitu kanker dan non-kanker. Penelitian ini membandingkan kinerja model arsitektur ResNet-50 asli dengan arsitektur ResNet-50 yang dimodifikasi pada layer terakhir melalui penambahan fully connected layer, batch normalization, dan dropout. Hasil penelitian menunjukkan bahwa model ini mampu mendeteksi kanker payudara dengan akurasi tinggi. Model terbaik pada penelitian ini menggunakan arsitektur ResNet-50 yang dimodifikasi, dengan parameter optimizer Adam, batch size 8, fungsi aktivasi sigmoid, learning rate 0,0005, dan 30 epoch. Model ini mencapai nilai rata-rata keseluruhan dengan accuracy sebesar 97,00%, precision sebesar 97,00%, recall sebesar 97,00%, dan f1-score sebesar 97,00%.

URI
https://repo.itera.ac.id/depan/submission/SB2409170017

Keyword
kanker payudara convolutional neural network gambar mammografi arsitektur ResNet-50