Klasifikasi kanker payudara dengan efek implan berdasarkan citra mammogram menggunakan discrete wavelet transform dan elm

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Muallifah, Zumrotul (2024) Klasifikasi kanker payudara dengan efek implan berdasarkan citra mammogram menggunakan discrete wavelet transform dan elm. Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Zumrotul Muallifah_09040220063 OK.pdf

Download (1MB)
[img] Text
Zumrotul Muallifah_09040220063 Full.pdf
Restricted to Repository staff only until 30 January 2027.

Download (6MB)

Abstract

Kanker payudara merupakan kondisi yang tidak menular, dengan 18 juta kasus baru pada 2018. Di Indonesia, kanker payudara lebih umum pada perempuan, menjadi penyebab utama kematian. Negara berkembang, termasuk Indonesia, mengalami tingginya angka kematian karena kurangnya program skrining dan inisiatif deteksi dini. Salah satu deteksi dini yang dapat dilakukan yaitu mammografi akan tetapi, citra hasil dari mesin mammografi yaitu mammogram memiliki kelemahan pada beberapa situasi salah satunya yaitu mendeteksi kanker payudara saat terdapat implan pada payudara. Oleh karena itu, kecerdasan buatan diperlukan sebagai alat pendukung pengambilan keputusan dalam deteksi dini kanker payudara. Tahapannya melibatkan prepocessing yaitu, augmentasi data, CLAHE, dan Median filter, ekstraksi fitur menggunakan transformasi Wavelet, dan klasifikasi dengan menggunakan Extreme Learning Machine (ELM), yang merupakan jenis jaringan saraf feedforward, khususnya Single Hidden Layer Feedforward Neural Networks (SLFNs). Penelitian ini melibatkan 400 data dengan empat kelas yaitu, kanker negatif, kanker positif, implan kanker negatif, dan implan kanker positif. Hasil dari penelitian ini didapat model optimal pada klasifikasi kanker payudara dengan efek implan menggunakan metode ekstraksi fitur Wavelet dan ELM terdapat pada pembagian data menggunakan k-fold 10, dan hidden node 150 dengan akurasi sebesar 80%, sensitivitas sebesar 80% dan spesifisitas sebesar 93.33%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Muallifah, Zumrotulzumrotulmuallifah09040220063
Contributors:
ContributionNameEmailNIDN
Thesis advisorNovitasari, Dian Candra Rinidiancrini@uinsby.ac.id2024118502
Thesis advisorHakim, Lutfilutfihakimbungah@gmail.com--
Subjects: Kecerdasan
Matematika
Keywords: Citra; Discrete Wavelet Transform; Kanker Payudara; Extrem Learning Machine (ELM)
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Users 77354 not found.
Date Deposited: 30 Jan 2024 07:34
Last Modified: 30 Jan 2024 07:34
URI: http://digilib.uinsa.ac.id/id/eprint/67912

Actions (login required)

View Item View Item