Ika Novia Anggraini (2021) Penerapan Metode Klasifikasi Jaringan Saraf Tiruan Fungsi Dasar Radial Sebagai Deteksi Kanker Payudara Pada Citra Mammogram. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (371kB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (361kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (578kB)
	Text (PENDAHULUAN) 4. BAB 1 PENDAHULUAN.pdf Download (352kB)
	Text (TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 15 June 2024. Download (915kB) | Request a copy
	Text (METODE PENELITIAN) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 15 June 2024. Download (680kB) | Request a copy
	Text (HASIL DAN PEMBAHASAN) 7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 15 June 2024. Download (1MB) | Request a copy
	Text (KESIMPULAN SARAN) 8. BAB V KESIMPULAN SARAN.pdf Restricted to Registered users only until 15 June 2024. Download (342kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (459kB)
	Text (LAMPIRAN) 10. LAMPIRAN .pdf Restricted to Registered users only until 15 June 2024. Download (1MB) | Request a copy
	Text (PERNYATAAN EMBARGO) KKC KK MPF.25-21-Dokumen Embargo 081611333008IKA NOVIA ANGGRAINI - Ika Novia Anggraini.pdf Restricted to Registered users only Download (81kB) | Request a copy

Abstract

Kanker payudara adalah pertumbuhan sel-sel pada jaringan payudara secara abnormal, terus menerus, tidak terkontrol dan tidak terbatas. Kanker bisa mulai tumbuh di dalam kelenjar susu, saluran susu, jaringan lemak maupun jaringan ikat payudara. Salah satu metode pemeriksaan kanker payudara yaitu pemeriksaan mammografi. Tetapi pemeriksaan ini memiliki kendala yaitu akurasi yang tidak memiliki standar akibat hasil analisa tergantung pada kemampuan ahli medis. Pada penelitian ini dilakukan perancangan program deteksi kanker payudara dengan metode klasifikasi fungsi dasar radial (RBF) dan kombinasi dari ekstraksi fitur GLCM yaitu fitur energi, korelasi dan homogenitas dari keseluruhan 5 fitur sebagai masukan klasifikasi yang ditentukan oleh besar resolusi dari nilai fitur yang semakin kecil resolusi maka semakin baik. Sehingga program deteksi ini diharapkan dapat menjadi alat bantu ahli medis yang memiliki akurasi terstandar. Data latih yang digunakan berjumlah 168 citra kelas normal dan abnormal, data uji 28 citra per kelas. Hasil akurasi tertinggi pada hidden layer 6 dan pada k-fold cross validation ke 3 fold 1 pada tahap pelatihan sebesar 82.14% dan pada tahap pengujian 94,64%. Hasil akurasi program menunjukkan bahwa metode yang digunakan cukup baik dalam mengidentifikasi kanker payudara.

Actions (login required)

View Item