Amrustian, Muhammad Afrizal and Wibowo, Merlinda Implementasi Metode Convolutional Neural Network untuk Klasifikasi Breast Cancer pada Citra Histopatologi. Media Informatika Budidarma.
Text
MAM Salinan Paper Breast Cancer.pdf Download (1MB) |
|
Text
MAM Salinan Cover, Editorial Board, Daftar Isi.pdf Download (7MB) |
|
Text
MAM Salinan Sertifikat Akreditasi Media Informatika Budidarma.pdf Download (964kB) |
|
Text
MAM Salinan Surat Tugas.pdf Download (236kB) |
|
Text
MAM_Salinan_Plagiarisme_Paper_Breast_Cancer.pdf Download (3MB) |
|
Text
MAM Salinan Korespondensi.pdf Download (929kB) |
Abstract
Breast cancer merupakan sebuat tumor yang berbentuk benjolan abnormal pada bagian payudara wanita. Beberapa hal yang menjadi pemicu terjadinya breast cancer pada wanita adalah factor genetik dan gaya hidup. Global Cancer Statistics menyebutkan bahwa dari 2.3 juta kasus breast cancer terdapat 600 ribu kasus yang berujung dengan kematian. Angka kematian akibat kasus breast cancer di Indonesia juga tergolong tinggi, angka kematian di Indonesia akibat breast cancer mencapai 17% untuk setiap 100 ribu penduduk wanita di Indonesia. Salah satu cara untuk mendeteksi penyakit breast cancer adalah penggunaan citra histopatologi. Pasien akan diambil citra dari sel payudaranya, untuk kemudian dipelajari oleh tenaga medis dan didiagnosa. Walaupun citra histopatologi digunakan sebagai salah satu benchmark data untuk diagnosis breast cancer, angka kematian akibat breast cancer masih tergolong tinggi. Salah satu penyebab tingginya angka kematian yang disebabkan breast cancer adalah deteksi penyakit yang lambat sehingga pasien ditangani saat penyakit breast cancer sudah masuk kondisi berat, serta kadang terjadi misdiagnosis. Oleh karena itu untuk mengatasi masalah yang telah dipaparkan, maka penulis mengajukan untuk membuat model klasifikasi breast cancer menggunakan metode Convolutional Neural Network (CNN). Hasil dari penelitian menjelaskan bahwa CNN dapat melakukan klasifikasi kasus breast cancer dengan capaian nilai akurasi sebesar 85%. Selain itu dengan menghitung dengan loss function, model yang dibangun terhindar dari kejadian overfitting.
Item Type: | Article |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Informatics > Informatics Engineering |
Depositing User: | Muhammad Afrizal Amrustian |
Date Deposited: | 02 Aug 2023 06:35 |
Last Modified: | 06 Sep 2023 10:37 |
URI: | http://repository.ittelkom-pwt.ac.id/id/eprint/9810 |
Actions (login required)
View Item |