DETEKSI KANKER PAYUDARA BERDASARKAN SINTESIS CITRA ULTRASOUND MENGGUNAKAN WASSERSTEIN GENERATIVE ADVERSARIAL NETWORKS

Humairah, Sayyidah (2024) DETEKSI KANKER PAYUDARA BERDASARKAN SINTESIS CITRA ULTRASOUND MENGGUNAKAN WASSERSTEIN GENERATIVE ADVERSARIAL NETWORKS. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) 20081010047.-cover.pdf Download (1MB)
	Text (BAB I) 20081010047.-bab1.pdf Download (18kB)
	Text (BAB II) 20081010047.-bab2.pdf Restricted to Repository staff only until 4 June 2026. Download (200kB)
	Text (BAB III) 20081010047.-bab3.pdf Restricted to Repository staff only until 4 June 2026. Download (739kB)
	Text (BAB IV) 20081010047.-bab4.pdf Restricted to Repository staff only until 4 June 2026. Download (1MB)
	Text (BAB V) 20081010047.-bab5.pdf Download (10kB)
	Text (Daftar Pustaka) 20081010047.-daftarpustaka.pdf Download (144kB)

Abstract

Kanker payudara menjadi salah satu kanker dengan penderita paling banyak di Indonesia. Salah satu cara untuk deteksi dini kanker payudara adalah dengan memanfaatkan citra ultrasound untuk menklasifikasikan kondisi payudara menjadi normal, tumor jinak, atau kanker. Adanya teknologi deep learning memungkinkan proses analisis citra dapat dilakukan, seperti dengan menggunakan Transfer Learning Convolutional Neural Network (CNN). Pada umumnya, model CNN memerlukan dataset yang besar dan kelas yang seimbang untuk dapat memberikan performa yang baik dalam melakukan klasifikasi, namun dataset medis seperti citra ultrasound payudara cenderung terbatas dan memiliki kelas yang tidak seimbang. Wasserstein GAN merupakan salah satu metode augmentasi data secara generatif yang dapat menghasilkan citra sintesis dengan mempelajari pola distribusi data citra asli. Dengan menggunakan WGAN, maka ukuran data citra asli dapat dikembangkan sebanyak yang diinginkan sehingga dapat mengatasi masalah ketidakseimbangan kelas dan terbatasnya data medis citra ultrasound. Hasil implementasi WGAN pada dataset citra ultrasound memberikan dampak peningkatan akurasi pada proses klasifikasi oleh model transfer learning dengan model terbaik adalah VGG16 yang dilatih pada dataset yang telah dikembangkan menjadi 403 data citra per kelas dengan akurasi mencapai 83.33%. Selain itu, integrasi model dengan sebuah system diagnosis memungkinkan pengguna awam dapat memanfaatkan teknologi ini untuk deteksi dini kanker payudara.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Diyasa, I Gede Susrama Mas	NIDN0019067008	igsusrama.if@upnjatim.ac.id
Thesis advisor	Puspaningrum, Eva Yulia Puspaningrum	NIDN0005078908	evapuspaningrum.if@upnjatim.ac.id

Subjects:

T Technology > T Technology (General)

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Ms Sayyidah Humairah

Date Deposited:

04 Jun 2024 08:48

Last Modified:

04 Jun 2024 08:48

URI:

https://repository.upnjatim.ac.id/id/eprint/24282