Deteksi Dini Kanker Payudara Menggunakan Metode Convolution Neural Network (CNN)
Abstract
Kanker payudara merupakan penyakit yang mematikan, tidak hanya terjadi pada wanita namun pria juga dapat terkena penyakit ini. Seseorang bisa rentan terkena penyakit kanker payudara seiring bertambahnya usia, baik disebabkan karena pola hidup yang kurang sehat atau bahkan karena keturunan. Oleh karenanya, perlu ada pencegahan sejak dini dengan cara mendeteksi adanya kanker. Deep learning telah menjadi salah satu topik hangat dalam dunia machine learningkarena kapabilitasnya yang signifikan dalam memodelkan berbagai data kompleks seperti citra dan suara. Deep learningyang saat ini memiliki hasil paling signifikan dalam pengenalan citra adalah Convolutional Neural Network (CNN). Pada penelitian ini dilakukan deteksi kanker payudara menggunakan metode CNN. Data yang digunakan dalam penelitian ini adalah data citra histopatologi sebanyak 277.524 data. Hasil penelitian ini mendapat akurasi sebesar 80%.
Keywords
Full Text:
PDF (Indonesian)References
Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56. https://doi.org/10.35957/algoritme.v1i1.434
Amkrane, Y., El Adoui, M., & Benjelloun, M. (2020). Towards Breast Cancer Response Prediction using Artificial Intelligence and Radiomics. Proceedings of 2020 5th International Conference on Cloud Computing and Artificial Intelligence: Technologies and Applications, CloudTech 2020. https://doi.org/10.1109/CloudTech49835.2020.9365890
Azis, A. I. S., Irma Surya Kumala Idris, Budy Santoso, & Yasin Aril Mustofa. (2019). Pendekatan Machine Learning yang Efisien untuk Prediksi Kanker Payudara. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 3(3), 458–469. https://doi.org/10.29207/resti.v3i3.1347
Binabar, S. W., & Ivandari. (2017). Optimasi Parameter K pada Algoritma KNN untuk Deteksi Penyakit Kanker Payudara. IC-Tech, XII(2), 11–18.
Chauhan, R., Ghanshala, K. K., & Joshi, R. C. (2018). Convolutional Neural Network (CNN) for Image Detection and Recognition. ICSCCC 2018 - 1st International Conference on Secure Cyber Computing and Communications, December 2018, 278–282. https://doi.org/10.1109/ICSCCC.2018.8703316
Darsyah, M. Y. (2013). Menakar Tingkat Akurasi Support Vector Machine Study Kasus Kanker Payudara. Statistika Universitas Muhammadiyah, 1(1), 15–20.
Dong, C., Loy, C. C., He, K., & Tang, X. (2016). Image Super-Resolution Using Deep Convolutional Networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 38(2), 295–307. https://doi.org/10.1109/TPAMI.2015.2439281
Eka Putra, W. S. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101. Jurnal Teknik ITS, 5(1). https://doi.org/10.12962/j23373539.v5i1.15696
Feng, X., Song, L., Wang, S., Song, H., Chen, H., Liu, Y., Lou, C., Zhao, J., Liu, Q., Liu, Y., Zhao, R., Xing, K., Li, S., Yu, Y., Liu, Z., Yin, C., Han, B., Du, Y., Xin, R., … Zhou, F. (2019). Accurate prediction of neoadjuvant chemotherapy pathological complete remission (PCR) for the four sub-types of breast cancer. IEEE Access, 7, 134697–134706. https://doi.org/10.1109/ACCESS.2019.2941543
Hyperastuty, A. S. (2017). Artificial Neural Network dalam Menentukan Grading Histopatologi Kanker Payudara. Jurnal Biosains Pascasarjana, 19(2), 176. https://doi.org/10.20473/jbp.v19i2.2017.176-188
Janghel, R. R., Shukla, A., Tiwari, R., & Kala, R. (2010). Breast Cancer diagnosis using Artificial Neural Network models. Proceedings - 3rd International Conference on Information Sciences and Interaction Sciences, ICIS 2010, Cl, 89–94. https://doi.org/10.1109/ICICIS.2010.5534716
Khasana, U., Sigit, R., & Yuniarti, H. (2020). Segmentation of Breast Using Ultrasound Image for Detection Breast Cancer. IES 2020 - International Electronics Symposium: The Role of Autonomous and Intelligent Systems for Human Life and Comfort, 584–587. https://doi.org/10.1109/IES50839.2020.9231629
Lestandy, M., Abdurrahim, A., & Syafa’ah, L. (2021). Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naive Bayes. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(2), 802–808.
Ma, X., Yang, G., & Yang, Q. (2019). Application of Deep Convolution Neural Network in Automatic Classification of Land Use. Journal of Physics: Conference Series, 1187(4). https://doi.org/10.1088/1742-6596/1187/4/042104
Puttagunta, M., & Ravi, S. (2021). Medical image analysis based on deep learning approach. Multimedia Tools and Applications, 80(16), 24365–24398. https://doi.org/10.1007/s11042-021-10707-4
Rokhana, R., Priambodo, J., Karlita, T., Sunarya, I. M. G., Yuniarno, E. M., Purnama, I. K. E., & Purnomo, M. H. (2019). Convolutional Neural Network untuk Pendeteksian Patah Tulang Femur pada Citra Ultrasonik B–Mode. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi (JNTETI), 8(1), 59. https://doi.org/10.22146/jnteti.v8i1.491
Sun, Y., Zhang, W., Gu, H., Liu, C., Hong, S., Xu, W., Yang, J., & Gui, G. (2019). Convolutional Neural Network Based Models for Improving Super-Resolution Imaging. IEEE Access, 7(1), 43042–43051. https://doi.org/10.1109/ACCESS.2019.2908501
Syafa’ah, L., Zulfatman, Z., Pakaya, I., & Lestandy, M. (2021). Comparison of Machine Learning Classification Methods in Hepatitis C Virus. Jurnal Online Informatika, 6(1), 73. https://doi.org/10.15575/join.v6i1.719
Syafa, L., & Lestandy, M. (2021). Penerapan Deep Learning untuk Prediksi Kasus Aktif Covid-19. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(1), 453–457.
Tobias, L., Ducournau, A., Rousseau, F., Mercier, G., & Fablet, R. (2016). Convolutional Neural Networks for object recognition on mobile devices: A case study. Proceedings - International Conference on Pattern Recognition, 0, 3530–3535. https://doi.org/10.1109/ICPR.2016.7900181
Abstract 4398 kali dilihat
PDF (Indonesian) 3124 kali diunduh
Refbacks
- There are currently no refbacks.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.