SISTEM KLASIFIKASI CITRA MAMMOGRAFI UNTUK DETEKSI KANKER PAYUDARA MENGGUNAKAN MODEL CNN DENGAN ARSITEKTUR EFFICIENTNETB2

Mardhiyah, Nurul (2026) SISTEM KLASIFIKASI CITRA MAMMOGRAFI UNTUK DETEKSI KANKER PAYUDARA MENGGUNAKAN MODEL CNN DENGAN ARSITEKTUR EFFICIENTNETB2. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (96kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (209kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (470kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (454kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (408kB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (186kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (167kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Interpretasi citra mammografi masih sangat bergantung pada pengalaman radiolog sehingga berpotensi menimbulkan variasi hasil pembacaan. Aspek lain yang perlu diperhatikan adalah, karakteristik visual lesi kanker payudara yang sering kali bersifat halus dan memiliki kontras rendah menyebabkan proses analisis memerlukan tingkat ketelitian yang tinggi. Penelitian ini bertujuan membangun sistem klasifikasi citra mammografi untuk deteksi kanker payudara menggunakan arsitektur Convolutional Neural Network (CNN) EfficientNetB2. Model dikembangkan menggunakan pendekatan transfer learning dan dilatih menggunakan dataset CBIS-DDSM yang terdiri atas dua kelas, yaitu benign dan malignant. Sistem diimplementasikan dalam bentuk antarmuka berbasis web lokal (on-premise) yang dilengkapi dengan visualisasi Grad-CAM dan fitur laporan hasil analisis dalam format PDF. Hasil evaluasi model menunjukkan accuracy sebesar 72%, precision sebesar 67%, recall sebesar 96%, F1-score sebesar 79%, dan ROCAUC sebesar 81%. Pengujian tambahan dilakukan menggunakan data mammografi anonim dari RSUD Siti Fatimah Provinsi Sumatera Selatan untuk mengevaluasi kemampuan generalisasi model. Pengujian menggunakan 15 citra mammografi anonim RSUD Siti Fatimah menunjukkan bahwa sistem berhasil menghasilkan prediksi yang sesuai dengan diagnosis dokter pada 13 citra, sedangkan 2 citra menunjukkan hasil klasifikasi yang tidak sesuai dengan diagnosis dokter. Capaian ini menunjukkan bahwa sistem memiliki kemampuan yang baik dalam mendeteksi kasus malignant serta berpotensi digunakan sebagai alat bantu skrining awal kanker payudara bagi tenaga medis.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Kanker Payudara, Mammografi, Deep Learning, EfficientNetB2, Grad-CAM, Decision Support System
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	06 Sep 2026 03:30
Last Modified:	06 Sep 2026 03:30
URI:	http://eprints.polsri.ac.id/id/eprint/26352

Actions (login required)

View Item