No image available for this title

KLASIFIKASI KANKER PAYUDARA PADA CITRA MAMMOGRAM MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION



KLASIFIKASI KANKER PAYUDARA PADA CITRA MAMMOGRAM MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION

Ni Nyoman Tria Swandewi, Ricky Aurelius Nurtanto Diaz, Kadek Dwi Pradnyani Novianti
Program Studi Sistem Informasi
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN TEKNIK KOMPUTER (STMIK) STIKOM BALI
Jl. Raya Puputan No.86 Renon, Denpasar Telp. (0361)244445 Fax (0361)264773)
Email : tria.swandewi95@gmail.com, ricky@stikom-bali.ac.id, novianti@stikom-bali.ac.id

Abstrak
Kanker merupakan jaringan abnormal yang dikenali dengan adanya pertumbuhan jaringan atau organ yang tidak terorganisir, yang pada umumnya membentuk suatu massa yang jelas. Saat ini, salah satu jenis kanker yang sudah teridentifikasi yaitu kanker payudara. Pada tahun 2013, prevalensi penyakit kanker payudara di Indonesia menempati urutan ke dua yaitu sebesar 0,5% setelah kanker serviks yang memiliki nilai sebaran prevalensi 2,4%. Diagnosis dan penanganan dini merupakan salah satu cara untuk memberikan penanganan yang tepat terhadap keberadaan kanker payudara sehingga resiko berkembangnya kanker dari jinak menjadi ganas dapat diminimalisir. Sebelum gejala fisik keberadaan kanker tersebut muncul, mammografi menjadi peralatan yang efisien dalam mendeteksi dini keberadaan kanker payudara. Penggunaan dua dokter ahli dalam membaca mammogram yang sama menyebabkan kurangnya efisien waktu, tenaga, dan biaya. Sehingga, Computer Aided Diagnosis digunakan sebagai pembaca mammogram kedua dapat menjadi opini pembanding kepada dokter ahli dalam mendeteksi dan mendiagnosis dini kanker payudara. Pada sistem ini terdiri dari dua langkah utama yaitu ekstraksi fitur, dan klasifikasi. Ekstraksi fitur dilakukan pada lesi kanker tersegmentasi berupa fitur statistik First Order (FO). Klasifikasi kanker ganas dan kanker jinak menggunakan metode neural network backpropagation dengan arsitektur neural network yaitu 6 fitur FO. Pengukuran kinerja sistem dalam mendeteksi kanker payudara dari citra mammogram memiliki nilai sensitivitas 95,2%, spesifitas 82,75%, dan akurasi 88% dimana ketepatan sistem dalam mendeteksi kanker payudara dengan unjuk kerja baik.

Kata kunci : Kanker payudara, Mammogram, Neural Network Backpropagation, First Order (FO).


Ketersediaan

S.140030557.1001.42Tersedia

Informasi Detil

Judul Seri
-
No. Panggil
001.42
Penerbit STIKOM Bali : Denpasar.,
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
001.42
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subyek
-
Info Detil Spesifik
-
Pernyataan Tanggungjawab

Versi lain/terkait

Tidak tersedia versi lain




Informasi


DETAIL CANTUMAN


Kembali ke sebelumnyaXML DetailCite this