Kasifikasi kanker payudara berdasarkan citra mammogram menggunakan metode convolutional neural network (cnn) model nasnet mobile

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Pramesti, Diah Devi (2023) Kasifikasi kanker payudara berdasarkan citra mammogram menggunakan metode convolutional neural network (cnn) model nasnet mobile. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Diah Devi Pramesti_H02219004 OK.pdf Download (1MB)
	Text Diah Devi Pramesti_H02219004 Full.pdf Restricted to Repository staff only until 1 August 2027. Download (1MB)

Abstract

Di Indonesia, kanker payudara merupakan jenis kanker yang memiliki tingkat kematian tertinggi, oleh karena itu penting untuk melakukan pemeriksaan dini, pemeriksaan klinis, dan skrining menggunakan mammografi. Penelitian ini dilakukan dengan tujuan mengklasifikasikan sel-sel kanker payudara berdasarkan citra mammogram. Dalam penelitian ini, metode yang digunakan adalah Convolutional Neural Network (CNN) dengan menggunakan model NasNet Mobile untuk mengklasifikasikan tiga kategori, yaitu normal, kanker jinak, dan kanker ganas. Data akan dilakukan preprocessing untuk menjadi inputan pada NasNet Mobile. Metode NasNet Mobile memiliki kemampuan sistem untuk menangani penambahan beban yang diberikan, sehingga dapat menghasilkan karakteristik data yang lebih detail dan memiliki kemampuan deteksi yang lebih baik. Hasil dari penelitian ini menunjukkan bahwa model yang dikembangkan memiliki rata-rata nilai akurasi sebesar 95,84%, sensitivitas 97,18% serta spesitifitas 96,58%. Penelitian ini dapat menjadi referensi dan membantu ahli radiologi dalam mengambil keputusan yang lebih baik dalam diagnosis kanker payudara. Dengan demikian, penelitian ini memberikan kontribusi yang signifikan dalam meningkatkan pemahaman dan penggunaan citra mammogram dalam klasifikasi kanker payudara, serta memberikan dukungan kepada para ahli radiologi dalam proses pengambilan keputusan yang lebih efektif.

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:	Creators Email NIM Pramesti, Diah Devi diahdevi92@gmail.com H02219004
Contributors:	Contribution Name Email NIDN Thesis advisor Farida, Yuniar yuniar_farida@uinsby.ac.id 2027057901 Thesis advisor Novitasari, Dian Candra Rini diancrini@uinsby.ac.id 2024118502
Subjects:	Kesehatan Kesehatan Matematika Pendidikan > Penelitian Penelitian
Keywords:	Citra Mammogram; CNN; Deep Learning; Nasnet Mobile; Kanker Payudara
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Diah Devi Pramesti
Date Deposited:	01 Aug 2024 12:14
Last Modified:	01 Aug 2024 12:14
URI:	http://digilib.uinsa.ac.id/id/eprint/71160

Actions (login required)

View Item