View/Open

Author
Wulan, Ayu Windari

Date Published
22 Jun 2026

Advisor
Tirta Setiawan, S.Pd., M.Si.,
Riksa Meidy Karim, S.Kom., M.Si., M.Sc.,

Subject
Sains Data

Publisher

Kanker payudara merupakan salah satu penyebab kematian pada perempuan di seluruh dunia. Deteksi dini melalui citra mammogram menjadi langkah penting untuk meningkatkan peluang kesembuhan. Penelitian ini mengembangkan model klasifikasi citra mammogram berbasis Convolutional Neural Network (CNN) dengan fokus pada variasi jumlah dense layer. Dataset yang digunakan adalah MIAS dengan kategori benin dan malignant. Tahapan penelitian meliputi preprocessing (cleaning, encoding label, resizing, augmentasi, dan penanganan class imbalance), pembagian data menggunakan 5-fold cross validation, serta pelatihan delapan model CNN dengan konfigurasi dense layer berbeda. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil eksperimen menunjukkan bahwa jumlah dense layer berpengaruh signifikan terhadap performa klasifikasi. Model dengan tiga dense layer (M4) memberikan hasil terbaik dengan akurasi rata-rata 98.9%, precision 98.9%, recall 98.4-99.4

URI
https://repo.itera.ac.id/depan/submission/SB2606200007

Keyword
CNN confusion matrix dense layer kanker payudara klasifikasi citra mammogram MIAS