Pendeteksian Kanker Payudara Dengan Mammogram Menggunakan Jaringan Syaraf Tiruan Backpropagation

LitaIndahAyu (2009) Pendeteksian Kanker Payudara Dengan Mammogram Menggunakan Jaringan Syaraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya.

Abstract

Kanker payudara menduduki urutan kedua terbanyak penyebab kematian pada wanita saat ini. Pencegahan kanker payudara dapat dilakukan secara dini dengan pemeriksaan mammografi. Mammografi merupakan pemeriksaan menggunakan sinar rotgen dosis rendah untuk melihat bagian dalam payudara. Hasil dari mammografi disebut mammogram, yang biasanya digunakan untuk membantu proses awal pendeteksian dan diagnosa kanker payudara pada wanita. Pada penelitian ini disajikan suatu metode untuk mendeteksi kanker payudara dengan mammogram menggunakan algoritma Jaringan Syaraf Tiruan(JST) backpropagation dengan fungsi aktivasi biner sigmoid. Secara umum sistem ini memiliki 2 bagian pemrosesan. Proses pertama pengolahan citra mammogram yang menerima inputan sistem. Dalam sistem ini menggunakan 3 karakteristik data input, yaitu menggunakan inputan dari nilai mean dan variance dan perbandingan mean dan variance. Proses kedua adalah proses pelatihan dan pengenalan mammogram dengan Jaringan Syaraf Tiruan. Untuk mendapatkan struktur JST yang terbaik, dilakukan pelatihan dengan beberapa parameter diantaranya, ukuran citra inputan, jumlah neuron pada hidden layer dan laju pembelajaran (learning rate). Tolak ukur keberhasilan sistem pendeteksian kanker payudara ini adalah dengan mengitung jarak error terdekat dan tingkat keakuratan dalam pendeteksian kanker payudara. Dari pen elitian ini diperoleh struktur JST dengan jumlah neuron pada input layer sebanyak 600 unit, jumlah neuron pada hidden layer sebanyak 30 unit, jumlah neuron pada output layer sebanyak 1 unit, nilai learning rate sebesar 2.0 dan max epoch sebesar 5000. JST yang terbentuk mampu mengenali citra mammogram dengan nilai keakuratan rata-rata untuk inputan dengan nilai mean 94.87%, variance 82.05% dan perbandingan mean variance 89.74%. Dari ketiga karakteristik data input yang digunakan pada sistem ini, data input menggunakan nilai mean menghasilkan pengenalan yang baik.

Item Type: Thesis (Sarjana)
Identification Number: SKR/MIPA/2009/176/050902023
Subjects: 500 Natural sciences and mathematics > 510 Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: Unnamed user with email repository.ub@ub.ac.id
Date Deposited: 05 Aug 2009 10:18
Last Modified: 22 Oct 2021 06:34
URI: http://repository.ub.ac.id/id/eprint/152133
[thumbnail of 050902023.pdf]
Preview
Text
050902023.pdf

Download (2MB) | Preview

Actions (login required)

View Item View Item