NAHWITAMA, Ibnu (2024) PENENTUAN HYPER-PARAMETER DAN ALGORITMA TERBAIK PADA KLASIFIKASI CITRA KANKER PAYUDARA MENGGUNAKAN ARSITEKTUR RESNET-50, DENSENET-201, DAN VGG-16 (STUDI KASUS: BREAKHIS DATASET 400X PERBESARAN). Undergraduate thesis, FSM UNDIP.

	Text 1. Cover.pdf Download (84kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (197kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (212kB)
	Text 6. ABSTRAK.pdf Download (87kB)
	Text 7. ABSTRACT.pdf Download (65kB)
	Text 8. DAFTAR ISI.pdf Download (118kB)
	Text 11. BAB I.pdf Download (127kB)

Abstract

ABSTRAK
Kanker Payudara (Carcinoma Mammae) merupakan salah satu penyakit yang mematikan
didunia, khususnya di Indonesia sendiri. Dengan banyaknya kasus kematian yang ada, maka
diperlukan suatu alat atau media yang dapat memprediksi dan mengidentifikasi kanker
payudara, dengan adanya alat pendeteksi yang dapat memberikan penanganan dini bagi
penderita, diharapkan dapat mencegah, mengobati, dan juga menurunkan angka kematian
yang disebabkan oleh penyakit ini. Perkembangan pesat yang terdapat pada ilmu
Pembelajaran Mesin membuat program yang dapat mendeteksi kanker menjadi lebih efektif
dan efisien seiring berjalan waktu. Convolution Neural Network (CNN) merupakan salah satu
model yang terdapat pada Pembelajaran Mesin yang sering digunakan untuk kasus klasifikasi
citra. Citra Histopatologi merupakan citra mikroskopis dari bagian organ yang diambil untuk
diteliti menggunakan mikroskop. Citra Histopatologi merupakan salah satu citra yang
digunakan untuk mendeteksi dan mengklasifikasi kanker payudara. Beberapa algoritma yang
menggunakan model CNN adalah ResNet-50, DenseNet-201, dan VGG-16. Penelitian
dilakukan dengan mencari algoritma terbaik dengan membandingkan hasil akurasi ketiga
algoritma untuk mengklasifikasi citra histopatologi kanker payudara menggunakan BreakHis
Dataset. Hyper-parameters merupakan variabel eksternal yang nilainya dapat diatur oleh
mesin atau diatur secara manual. Penentuan nilai hyper-parameters dapat mempengaruhi
nilai akurasi. Hyper-parameters yang nilainya diteliti adalah epoch, batch size, learning rate,
dan dropout. Algoritma terbaik setelah dilakukan penelitian adalah ResNet-50, dengan
konfigurasi hyper-parameter epoch 30, batch size 16, learning rate 0,0001, dan dropout 0,5.
Kata kunci—Kanker Payudara; Convolution Neural Network (CNN); Citra Histopatologi;
ResNet-50; DenseNet-201; VGG-16; BreakHis Dataset; Hyper-Parameter

Actions (login required)

View Item