Text

Deteksi Citra Histopatologi Kanker Payudara Menggunakan Metode Transfer Learning Convolutional Neural Network

---

Mendeteksi kanker payudara membutuhkan waktu cukup lama untuk
menganalisis secara langsung melalui mikroskop. Menggunakan bantuan teknologi
analisa histopatologi kini bisa lebih cepat meskipun itu bukanlah hal yang mudah.
Data citra histopatologi kanker payudara yang akan diklasifikasikan adalah positif
kanker payudara atau negatif kanker payudara. Penelitian ini akan dianalisa
menggunakan metode Transfer Learning Convolutional Neural Network (CNN)
dengan dua arsitektur yaitu ResNet & MobileNet. Transfer Learning CNN
menggunakan model yang sudah dilatih sebelumnya lalu ditransfer atau dilatih
kembali ke dalam dataset yang baru untuk tujuan klasifikasi. Optimasi yang
digunakan pada penelitian ini adalah ADAM (Adaptive Moment Estimation) untuk
membantu meningkatkan akurasi, meminimalkan loss function dan mempercepat
pembelajaran model. Metode evaluasi dilakukan dengan menggunakan Confusion
matrix. Metrik yang digunakan untuk mengukur kinerja model evaluasi adalah
akurasi & recall. Hasil penelitian menunjukkan bahwa ResNet memiliki kinerja
yang lebih baik dengan akurasi 87,15% & recall 0,89 sedangkan MobileNet
menghasilkan akurasi 86% & recall 0,87. Kedua arsitektur tersebut memiliki hasil
cukup baik untuk mengklasifikasikan citra kanker payudara.
Kata Kunci : kanker payudara, transfer learning, convolutional neural network

---

Ketersediaan

1153 E 2024

1153 E 2024

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1153 E 2024

Penerbit

: ., 2023

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar