Deteksi Kanker Payudara Menggunakan Machine Learning

Dwiyanti, Dian Aprilia (2021) Deteksi Kanker Payudara Menggunakan Machine Learning. Masters thesis, Sepuluh Nopember Institute of Technology.

	Text TESIS_DIAN APRILIA_09211950093002.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB)
	Text TESIS_DIAN APRILIA_09211950093002.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB)
	Text 09211950093002-Master_Theses.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB)

Abstract

Kanker payudara merupakan penyakit dengan angka kematian tertinggi kedua di Indonesia pada tahun 2018-2020, yaitu sebesar 11% menurut data Global Cancer Observatory 2018. Deteksi kanker payudara menggunakan machine learning merupakan upaya diagnosis dini, dimana dilakukan dengan mengklasifikasikan inti sel di dalam tumor payudara sebagai tumor ganas (malignant/cancerous) atau tumor jinak (benign/non-cancerous). Data untuk klasifikasi tersebut merupakan data sel payudara abnormal yang diambil dengan menggunakan alat Fine Needle Aspiration (FNA). Hasilnya dikomputasi sehingga didapatkan karakteristik dari inti sel. Pendekatan metode yang digunakan adalah supervised learning metode support vector machine (SVM), logistic regression, linear discriminant analysis (LDA), dan K-Nearest Neighbors (KNN). Penelitian ini akan melalui lima tahapan, yaitu analisis deskriptif, pengujian korelasi, pengklasifikasian data menggunakan metode machine learning yang telah ditentukan, membandingkan, dan menginterpretasikan hasil klasifikasi. Hasil penelitian ini adalah sebagai berikut. Metode linear discriminant analysis dinilai paling optimal dalam mengolah breast cancer dataset. Ukuran dan banyaknya cekungan inti sel mempengaruhi keganasan tumor. Komponen utama yang menyebabkan perbedaan antara guidelines treatment procedure breast cancer di Indonesia dan Internasional adalah jumlah health infrastructure, jumlah sumber daya manusia (dalam hal ini dokter spesialis), dan kondisi keuangan negara.
====================================================================================================

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Kanker Payudara, Klasifikasi, Support Vector Machine (SVM), Logistic Regression, Linear Discriminant Analysis (LDA), K-Nearest Neighbors (KNN), Guidelines Treatment Procedure, Breast Cancer, Classification, Support Vector Machine (SVM), Logistic Regression, Linear Discriminant Analysis (LDA), K-Nearest Neighbors (KNN), Guidelines Treatment Procedure
Subjects:	R Medicine > RB Pathology T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Business and Management Technology > Management Technology > 61101-(S2) Master Thesis
Depositing User:	Dian Aprilia Dwiyanti
Date Deposited:	11 Aug 2021 14:10
Last Modified:	11 Aug 2021 14:10
URI:	http://repository.its.ac.id/id/eprint/85797

Actions (login required)

View Item