Pamungkas, Adrian Tri (2022) KLASIFIKASI KANKER PAYUDARA DENGAN MENGGUNAKAN DEEP LEARNING. Diploma thesis, Universitas YARSI.
|
Text
COVER.pdf Download (41kB) | Preview |
|
|
Text
Halaman Pengesahan.pdf Download (268kB) | Preview |
|
|
Text
Halaman Pernyataan Orisinalitas.pdf Download (188kB) | Preview |
|
|
Text
ABSTRAK.pdf Download (83kB) | Preview |
|
|
Text
BAB 1.pdf Download (224kB) | Preview |
|
|
Text
DAFTAR PUSTAKA.pdf Download (94kB) | Preview |
|
![[img]](http://digilib.yarsi.ac.id/style/images/fileicons/text.png) |
Text
BAB 2.pdf Restricted to Registered users only Download (259kB) |
|
|
Text
BAB 3.pdf Restricted to Registered users only Download (393kB) |
|
|
Text
BAB 4.pdf Restricted to Registered users only Download (984kB) |
|
|
Text
BAB 5.pdf Restricted to Registered users only Download (322kB) |
|
|
Text
BAB 6.pdf Restricted to Registered users only Download (147kB) |
Abstract
Kanker payudara merupakan sebuah penyakit yang bisa dibilang cukup berbahaya yang disebabkan oleh pembelahan sel yang tidak normal atau melebihi batas dan saluran kelenjar hingga jaringan penopang payudara. Kemoterapi ataupun radiasi merupakan cara umum untuk pengobatan kanker payudara. Tetapi jika kankernya sudah mencapai stadium akhir, cara tersebut tidak cukup memberikan dampak yang signifikan. Oleh sebab itu perlu dilakukan pencegahan dengan mendiagnosis kanker payudara sejak dini. Untuk menghindari terjadinya dampak buruk yang disebabkan oleh kanker payudara. Oleh karena itu perlu adanya sistem yang canggih untuk mendeteksi kanker payudara sejak dini. Tujuan penelitian ini yaitu untuk dapat mengklasifikasi kanker payudara pada citra mamografi dengan menggunakan arsitektur Deep Learning, Penulis berharap model ini bisa membantu dokter maupun bidang medis dalam mendiagnosis penyakit kanker payudara. Dataset yang digunakan dalam penelitian ini merupakan dataset mamografi yang diperoleh dari “The Cancer Imaging Archive - Categorized Digital Database for Low energy and Subtracted Contrast Enhanced Spectral Mammography images (CDD-CESM)”. Arsitektur Deep Learning yang digunakan dalam penelitian ini yaitu ResNet50V2, DenseNet121, MobileNetV2, VGG-16, dan Xception. Hasil pada penelitian ini yaitu model DenseNet121 merupakan model terbaik jika dibandingkan pada keempat model lainnya yang digunakan dalam penelitian ini untuk dapat mengklasifikasi kanker payudara, karena memperoleh nilai validasi akurasi 56%, presisi 69%, recall 27% dan spesifisitas 83%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Additional Information: | S-832-FTI |
| Uncontrolled Keywords: | Breast Cancer, Deep Learning, Pretrained Models, Keras |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QM Human anatomy R Medicine > R Medicine (General) T Technology > T Technology (General) |
| Depositing User: | Adrian Pamungkas |
| Date Deposited: | 26 Mar 2024 07:03 |
| Last Modified: | 26 Mar 2024 07:03 |
| URI: | http://digilib.yarsi.ac.id/id/eprint/11326 |
Actions (login required)
 |
View Item |