Pembangkitan Aturan Fuzzy Menggunakan Metode Subtractive Clustering Untuk Diagnosa Tingkat Keganasan Kanker Payudara Dari Hasil Mammografi
| Main Author: | Ramadhan, CahyaArief |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/145691/1/SKRIPSI_CAHYA_ARIEF_RAMADHAN_0910960003.pdf http://repository.ub.ac.id/145691/ |
| ctrlnum |
145691 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/145691/</relation><title>Pembangkitan Aturan Fuzzy Menggunakan Metode Subtractive Clustering Untuk Diagnosa Tingkat Keganasan Kanker Payudara Dari Hasil Mammografi</title><creator>Ramadhan, CahyaArief</creator><subject>005 Computer programming, programs, data</subject><description>Setiap Tahun, Jutaan Wanita
Memeriksakan Diri Untuk Mengetahui Apakah Mereka Mengalami Kanker Payudara Atau
Tidak. Kanker Payudara Merupakan Penyebab Kematian Kedua Terhadap Wanita Pada emua
Kasus Kejadian Kanker. Sebagian Besar Kanker Payudara Baru Didiagnosis Setelah
Melihat asil Mammogram. Namun Prediksi Yang Dihasilkan Dari Mammografi
Menyebabkan Sekitar 70% Biopsi Yang Tidak Perlu Dilakukan Karena Kanker Itu
Bersifat Jinak. Sebelumnya Tim Dokter Menggunakan Computer-Aideddiagnosis (CAD)
Untuk Mendiagnosa Tingkat Keganasan Kanker Payudara Guna Membantu Melakukan
Keputusan Operasi Dengan Melakukan Interpretasi Suatu Gambar Medis. Dari Hasil Interpretasi Tersebut, Khususnya
Dari Hasil Screening Mammografi, Akan Diperoleh Hasil Yang Menyatakan
Apakah Kanker Yang Diderita Pasien Termasuk Jinak Atau Ganas. Untuk Mempermudah
Dalam Hal Mendiagnosa Keganasan Kanker Payudara, Diperlukan Sebuah Metode Yang
Otomatis. Salah Satu Teknik Yang Dapat Diterapkan Adalah Fuzzy Subtractive
Clustering . Konsep Dasar Dari Subtractive Clustering Adalah
Menentukan Titik Data Dengan Densitas Tertinggi Sebagai Pusat Cluster ,
Sehingga Algoritma Ini Akan Membentukan Jumlah Cluster Atau Aturan
Secara Otomatis Tanpa Perlu Diinisialisasi Diawal. Hasil Dari Subtractive
Clustering Nantinya Merupakan Aturan Yang Terbentuk Digabungkan Dengan
Model Inferensi Sugeno Untuk Mendapatkan Hasil Diagnosa Tingkat Keganasan Kanker
Payudara. Dengan Demikian Subtractive Clustering Dapat Dijadikan Metode Alternatif Sebagai Bahan Pembelajaran Untuk Ekstraksi
Aturan Fuzzy Pada FIS Model Sugeno Orde-Satu. Penelitian Ini Menggunakan Mammographic
Mass Data Set Yang Berasal Dari UCI Machine Learning . Dari Hasil
Pengujian Didapatkan Hasil Akurasi Terbaik Sebesar 93% Dengan Jumlah Aturan
Sebanyak Dua</description><date>2013-12-13</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145691/1/SKRIPSI_CAHYA_ARIEF_RAMADHAN_0910960003.pdf</identifier><identifier> Ramadhan, CahyaArief (2013) Pembangkitan Aturan Fuzzy Menggunakan Metode Subtractive Clustering Untuk Diagnosa Tingkat Keganasan Kanker Payudara Dari Hasil Mammografi. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIIk/2014/3/051400279</relation><recordID>145691</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Ramadhan, CahyaArief |
| title |
Pembangkitan Aturan Fuzzy Menggunakan Metode Subtractive Clustering Untuk Diagnosa Tingkat Keganasan Kanker Payudara Dari Hasil Mammografi |
| publishDate |
2013 |
| isbn |
9780910960007 |
| topic |
005 Computer programming programs data |
| url |
http://repository.ub.ac.id/145691/1/SKRIPSI_CAHYA_ARIEF_RAMADHAN_0910960003.pdf http://repository.ub.ac.id/145691/ |
| contents |
Setiap Tahun, Jutaan Wanita
Memeriksakan Diri Untuk Mengetahui Apakah Mereka Mengalami Kanker Payudara Atau
Tidak. Kanker Payudara Merupakan Penyebab Kematian Kedua Terhadap Wanita Pada emua
Kasus Kejadian Kanker. Sebagian Besar Kanker Payudara Baru Didiagnosis Setelah
Melihat asil Mammogram. Namun Prediksi Yang Dihasilkan Dari Mammografi
Menyebabkan Sekitar 70% Biopsi Yang Tidak Perlu Dilakukan Karena Kanker Itu
Bersifat Jinak. Sebelumnya Tim Dokter Menggunakan Computer-Aideddiagnosis (CAD)
Untuk Mendiagnosa Tingkat Keganasan Kanker Payudara Guna Membantu Melakukan
Keputusan Operasi Dengan Melakukan Interpretasi Suatu Gambar Medis. Dari Hasil Interpretasi Tersebut, Khususnya
Dari Hasil Screening Mammografi, Akan Diperoleh Hasil Yang Menyatakan
Apakah Kanker Yang Diderita Pasien Termasuk Jinak Atau Ganas. Untuk Mempermudah
Dalam Hal Mendiagnosa Keganasan Kanker Payudara, Diperlukan Sebuah Metode Yang
Otomatis. Salah Satu Teknik Yang Dapat Diterapkan Adalah Fuzzy Subtractive
Clustering . Konsep Dasar Dari Subtractive Clustering Adalah
Menentukan Titik Data Dengan Densitas Tertinggi Sebagai Pusat Cluster ,
Sehingga Algoritma Ini Akan Membentukan Jumlah Cluster Atau Aturan
Secara Otomatis Tanpa Perlu Diinisialisasi Diawal. Hasil Dari Subtractive
Clustering Nantinya Merupakan Aturan Yang Terbentuk Digabungkan Dengan
Model Inferensi Sugeno Untuk Mendapatkan Hasil Diagnosa Tingkat Keganasan Kanker
Payudara. Dengan Demikian Subtractive Clustering Dapat Dijadikan Metode Alternatif Sebagai Bahan Pembelajaran Untuk Ekstraksi
Aturan Fuzzy Pada FIS Model Sugeno Orde-Satu. Penelitian Ini Menggunakan Mammographic
Mass Data Set Yang Berasal Dari UCI Machine Learning . Dari Hasil
Pengujian Didapatkan Hasil Akurasi Terbaik Sebesar 93% Dengan Jumlah Aturan
Sebanyak Dua |
| id |
IOS4666.145691 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2021-10-27T08:47:42Z |
| last_indexed |
2021-10-28T07:33:16Z |
| recordtype |
dc |
| _version_ |
1751454640808919040 |
| score |
17.538404 |