Cover Image

Pendeteksian Kanker Payudara Dengan Mammogram Menggunakan Jaringan Syaraf Tiruan Backpropagation

Main Author: LitaIndahAyu
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2009
Subjects:
510 Mathematics
Online Access: http://repository.ub.ac.id/152133/1/050902023.pdf
http://repository.ub.ac.id/152133/
ctrlnum 152133
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/152133/</relation><title>Pendeteksian Kanker Payudara Dengan Mammogram&#xD; Menggunakan Jaringan Syaraf Tiruan Backpropagation</title><creator>LitaIndahAyu</creator><subject>510 Mathematics</subject><description>Kanker payudara menduduki urutan kedua terbanyak penyebab kematian pada wanita saat ini. Pencegahan kanker payudara dapat dilakukan secara dini dengan pemeriksaan mammografi. Mammografi merupakan pemeriksaan menggunakan sinar rotgen dosis rendah untuk melihat bagian dalam payudara. Hasil dari mammografi disebut mammogram, yang biasanya digunakan untuk membantu proses awal pendeteksian dan diagnosa kanker payudara pada wanita. Pada penelitian ini disajikan suatu metode untuk mendeteksi kanker payudara dengan mammogram menggunakan algoritma Jaringan Syaraf Tiruan(JST) backpropagation dengan fungsi aktivasi biner sigmoid. Secara umum sistem ini memiliki 2 bagian pemrosesan. Proses pertama pengolahan citra mammogram yang menerima inputan sistem. Dalam sistem ini menggunakan 3 karakteristik data input, yaitu menggunakan inputan dari nilai mean dan variance dan perbandingan mean dan variance. Proses kedua adalah proses pelatihan dan pengenalan mammogram dengan Jaringan Syaraf Tiruan. Untuk mendapatkan struktur JST yang terbaik, dilakukan pelatihan dengan beberapa parameter diantaranya, ukuran citra inputan, jumlah neuron pada hidden layer dan laju pembelajaran (learning rate). Tolak ukur keberhasilan sistem pendeteksian kanker payudara ini adalah dengan mengitung jarak error terdekat dan tingkat keakuratan dalam pendeteksian kanker payudara. Dari pen elitian ini diperoleh struktur JST dengan jumlah neuron pada input layer sebanyak 600 unit, jumlah neuron pada hidden layer sebanyak 30 unit, jumlah neuron pada output layer sebanyak 1 unit, nilai learning rate sebesar 2.0 dan max epoch sebesar 5000. JST yang terbentuk mampu mengenali citra mammogram dengan nilai keakuratan rata-rata untuk inputan dengan nilai mean 94.87%, variance 82.05% dan perbandingan mean variance 89.74%. Dari ketiga karakteristik data input yang digunakan pada sistem ini, data input menggunakan nilai mean menghasilkan pengenalan yang baik.</description><date>2009-07-14</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/152133/1/050902023.pdf</identifier><identifier> LitaIndahAyu (2009) Pendeteksian Kanker Payudara Dengan Mammogram Menggunakan Jaringan Syaraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/MIPA/2009/176/050902023</relation><recordID>152133</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author LitaIndahAyu
title Pendeteksian Kanker Payudara Dengan Mammogram Menggunakan Jaringan Syaraf Tiruan Backpropagation
publishDate 2009
topic 510 Mathematics
url http://repository.ub.ac.id/152133/1/050902023.pdf
http://repository.ub.ac.id/152133/
contents Kanker payudara menduduki urutan kedua terbanyak penyebab kematian pada wanita saat ini. Pencegahan kanker payudara dapat dilakukan secara dini dengan pemeriksaan mammografi. Mammografi merupakan pemeriksaan menggunakan sinar rotgen dosis rendah untuk melihat bagian dalam payudara. Hasil dari mammografi disebut mammogram, yang biasanya digunakan untuk membantu proses awal pendeteksian dan diagnosa kanker payudara pada wanita. Pada penelitian ini disajikan suatu metode untuk mendeteksi kanker payudara dengan mammogram menggunakan algoritma Jaringan Syaraf Tiruan(JST) backpropagation dengan fungsi aktivasi biner sigmoid. Secara umum sistem ini memiliki 2 bagian pemrosesan. Proses pertama pengolahan citra mammogram yang menerima inputan sistem. Dalam sistem ini menggunakan 3 karakteristik data input, yaitu menggunakan inputan dari nilai mean dan variance dan perbandingan mean dan variance. Proses kedua adalah proses pelatihan dan pengenalan mammogram dengan Jaringan Syaraf Tiruan. Untuk mendapatkan struktur JST yang terbaik, dilakukan pelatihan dengan beberapa parameter diantaranya, ukuran citra inputan, jumlah neuron pada hidden layer dan laju pembelajaran (learning rate). Tolak ukur keberhasilan sistem pendeteksian kanker payudara ini adalah dengan mengitung jarak error terdekat dan tingkat keakuratan dalam pendeteksian kanker payudara. Dari pen elitian ini diperoleh struktur JST dengan jumlah neuron pada input layer sebanyak 600 unit, jumlah neuron pada hidden layer sebanyak 30 unit, jumlah neuron pada output layer sebanyak 1 unit, nilai learning rate sebesar 2.0 dan max epoch sebesar 5000. JST yang terbentuk mampu mengenali citra mammogram dengan nilai keakuratan rata-rata untuk inputan dengan nilai mean 94.87%, variance 82.05% dan perbandingan mean variance 89.74%. Dari ketiga karakteristik data input yang digunakan pada sistem ini, data input menggunakan nilai mean menghasilkan pengenalan yang baik.
id IOS4666.152133
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 2021-10-27T08:53:06Z
last_indexed 2021-10-28T07:39:03Z
recordtype dc
_version_ 1751454569862266880
score 17.538404

Lihat Juga