View/Open

Author

Date Published
20 Jan 2026

Advisor
Muhammad Wildan Gifari, S.T., M.Sc., Ph.D.,
Rafli Filano, S.Si., M.T.,
Marlin Ramadhan Baidillah, Ph.D,

Subject
Teknik Biomedis

Publisher

Kanker payudara merupakan salah satu penyebab utama kematian pada wanita di Indonesia, sehingga deteksi dini sangat penting untuk meningkatkan peluang kesembuhan. Metode diagnostik konvensional seperti mammografi dan CT-Scan memiliki keterbatasan, terutama risiko paparan radiasi. Electrical Capacitance Volume Tomography (ECVT) menawarkan solusi non-invasif dan bebas radiasi untuk pemindaian payudara. Meskipun ECVT rentan terhadap masalah inversi yang kompleks, fokus utama penelitian ini adalah meningkatkan akurasi deteksi jaringan abnormal dengan mengimplementasikan dan menguji kinerja algoritma Feed Forward Neural Network (FFNN). Ada dua tahap pada penelitian ini yaitu simulasi dan eksperimen untuk melatih dan menguji FFNN dalam mengklasifikasikan citra menjadi kategori kanker dan non kanker. Hasil pengujian menunjukkan bahwa model FFNN memberikan performa klasifikasi yang sangat baik dengan nilai sensitifitas, akurasi dan presisi yang lebih dari 99%. Secara eksperimental, model FFNN terbukti sKanker payudara merupakan salah satu penyebab utama kematian pada wanita di Indonesia, sehingga deteksi dini sangat penting untuk meningkatkan peluang kesembuhan. Metode diagnostik konvensional seperti mammografi dan CT-Scan memiliki keterbatasan, terutama risiko paparan radiasi. Electrical Capacitance Volume Tomography (ECVT) menawarkan solusi non-invasif dan bebas radiasi untuk pemindaian payudara. Meskipun ECVT rentan terhadap masalah inversi yang kompleks, fokus utama penelitian ini adalah meningkatkan akurasi deteksi jaringan abnormal dengan mengimplementasikan dan menguji kinerja algoritma Feed Forward Neural Network (FFNN). Ada dua tahap pada penelitian ini yaitu simulasi dan eksperimen untuk melatih dan menguji FFNN dalam mengklasifikasikan citra menjadi kategori kanker dan non kanker. Hasil pengujian menunjukkan bahwa model FFNN memberikan performa klasifikasi yang sangat baik dengan nilai sensitifitas, akurasi dan presisi yang lebih dari 99%. Secara eksperimental, model FFNN terbukti sangat stabil dan sensitif, mencapai tingkat keberhasilan deteksi 100% terhadap tumor phantom pada berbagai variasi posisi dan jarak. Dengan demikian, Breast Scan ECVT berbasis FFNN terbukti efektif dan sangat andal sebagai alat deteksi dini massa abnormal non-invasif. angat stabil dan sensitif, mencapai tingkat keberhasilan deteksi 100% terhadap tumor phantom pada berbagai variasi posisi dan jarak. Dengan demikian, Breast Scan ECVT berbasis FFNN terbukti efektif dan sangat andal sebagai alat deteksi dini massa abnormal non-invasif.

URI
https://repo.itera.ac.id/depan/submission/SB2601200062

Keyword