DETEKSI DINI KANKER PAYUDARA PADA CITRA HISTOPATOLOGI MENGGUNAKAN METODE
CONVOLUTION NEURAL NETWORK (CNN)
SKRIPSI
Sebagai Persyaratan Guna Meraih Gelar Sarjana Teknik Elektro Universitas Muhammadiyah Malang
Disusun oleh:
PUTRI KHALIFAH HILALIYAH NIM. 201710130311053
JURUSAN ELEKTRO FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2021
LEMBAR PERSETUJUAN
DETEKSI DINI KANKER PAYUDARA PADA CITRA HISTOPATOLOGI MENGGUNAKAN METODE
CONVOLUTION NEURAL NETWORK (CNN)
Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana (S1) Teknik Elektro Universitas Muhammadiyah Malang
Disusun Oleh :
PUTRI KHALIFAH HILALIYAH 201710130311053
Diperiksa dan disetujui oleh :
Pembimbing I, Pembimbing II,
Ir. M.Irfan, MT Merinda Lestandy, S.Kom., MT
NIDN. 0705106601 NIDN. 0703039302
L EMBAR PENGESAHAN
DETEKSI DINI KANKER PAYUDARA PADA CITRA HISTOPATOLOGI MENGGUNAKAN METODE
CONVOLUTION NEURAL NETWORK (CNN)
Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Strata I Teknik Elektro Universitas Muhammadiyah Malang
Disusun Oleh :
PUTRI KHALIFAH HILALIYAH 201710130311053
Tanggal Ujian : 22 Juli 2021 Tanggal Wisuda : -
Disetujui Oleh :
1. Ir. M.Irfan, MT (Pembimbing I)
NIDN. 0705106601
2. Merinda Lestandy, SKom., MT (Pembimbing II) NIDN. 0703039302
3. Zulfatman, M.Eng., Ph.D. (Penguji I) NIDN. 0709117804
4. Widianto, S.T., M.T. (Penguji II) NIDN. 0722048202
Mengetahui
Ketua Program Studi
Zulfatman, M.Eng., Ph.D.
NIDN. 0709117804
LEMBAR PERNYATAAN
Yang bertanda tangan dibawah ini :
Nama : PUTRI KHALIFAH HILALIYAH
Tempat/Tgl.Lahir : SUMENEP / 02 JULI 1998
NIM : 201710130311053
Fakultas/Jurusan : TEKNIK / ELEKTRO
Dengan ini saya menyatakan bahwa tugas akhir dengan judul “DETEKSI DINI KANKER PAYUDARA PADA CITRA HISTOPATOLOGI MENGGUNAKAN METODE CONVULATION NEURAL NETWORK (CNN)” beserta seluruh isinya adalah karya saya sendiri dan bukan merupakan karya tulis orang lain, baik sebagian maupun seluruhnya, kecuali dalam bentuk kutipan yang telah di sebutkan sumbernya.
Demikian surat pernyataan ini saya buat dengan sebenar benarnya. Apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam karya saya ini, atau klaim dari pihak lain terhadap keaslian karya saya ini maka saya siap menanggung segala bentuk resiko / sanksi yang berlaku.
Malang, Juli 2021 Yang Membuat Pernyataan
PUTRI KHALIFAH HILALIYAH
Mengetahui,
Dosen Pembimbing I Dosen Pembimbing II
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah Subhanahu Wa Ta’ala.
Atas limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul :
” DETEKSI DINI KANKER PAYUDARA PADA CITRA HISTOPATOLOGI MENGGUNAKAN METODE CONVULATION NEURAL NETWORK (CNN)”
Penulisan tugas akhir ini merupakan salah satu syarat untuk memperoleh gelar sarjana Teknik di Universitas Muhammadiyah Malang, selain itu penulis berharap tugas akhir ini dapat memperluas pustaka dan pengetahuan utamanya dalam bidang elektronika dan informatika.
Penulis menyadari sepenuhnya bahwa dalam penulisan tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu penulis mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan ke depan.
Akhir kata semoga buku ini dapat bermanfaat di masa sekarang dan masa mendatang. Sebagai manusia yang tidak luput dari kesalahan, maka penulis mohon maaf apabila ada kekeliruan baik yang sengaja maupun yang tidak sengaja.
Malang, Juli 2021
Penulis
DAFTAR ISI
LEMBAR PENGESAHAN ... iii
LEMBAR PERNYATAAN ... iv
ABSTRAK ... v
LEMBAR PERSEMBAHAN ... vii
KATA PENGANTAR ... viii
BAB I PENDAHULUAN ... 1
1.2Rumusan Masalah ... 2
1.3Tujuan Penelitian ... 2
1.4Batasan Masalah... 3
1.5Manfaat Penelitian ... 3
1.6Sistematika Penulisan ... 3
BAB II TINJAUAN PUSTAKA ... 5
2.1 Kanker ... 5
2.2 Kanker Payudara ... 5
2.3 Citra Histopatologi ... 7
2.4 Convolutional Neural Networks (CNN) ... 8
2.4.1 Ekstraksi fitur ... 9
2.4.2 Clasification ... 10
BAB III METODELOGI PENELITIAN ... 11
3.1 Dataset ... 12
3.1.1Citra Histopologi ... 12
3.1.2Preprosesing ... 12
3.2Training ... 13
3.3 Performance ... 14
3.4Cara Pengujian ... 15
BAB IV HASIL DAN PENGUJIAN ... 16
4.1Pengumpulan dan Pembacaan Citra Histopologi Kanker Payudara ... 16
4.2Pre-processing Data ... 18
4.3Perencanaan Model Convulotion Neural Network (CNN) ... 20
4.4Hasil Pengujian ... 22
BAB V KESIMPULAN DAN SARAN ... 24
5.1Kesimpulan ... 24
5.2Saran ... 24
DAFTAR PUSTAKA ... 25
LAMPIRAN ... 28
DAFTAR GAMBAR
Gambar 2.1 Kanker Payudara ... 7
Gambar 2.2 Citra Hitopatologi Kanker Payudara ... 8
Gambar 2.3 Arsitektur Jaringan CNN ... 8
Gambar 2.4 Convolution Layer... 9
Gambar 2.5 Pooling Layer ... 10
Gambar 3.1 Metode Penelitian ... 11
Gambar 3.2 Citra histopologi payudara normal ... 12
Gambar 3.3 Citra histopologi kanker payudara ... 12
Gambar 3.4 Source Code Data Fram ... 13
Gambar 3.5 Output Data Fram ... 13
Gambar 3.6 Cara Pengujian ... 15
Gambar 4.1 Hasil Pengecekan Data ... 16
Gambar 4.2 Source Code dan Hasil Pengecekan Nomer Pasien ... 17
Gambar 4.3 Source Code Menampilkan Total Data Pada Dateset ... 17
Gambar 4.4 Source Code Mengubah Data Menjadi Data Frame... 18
Gambar 4.5 Grafik perbandingan citra IDC dan non IDC ... 19
Gambar 4.6 Tissue example of IDC (+) ... 19
Gambar 4.7 Tissue example of IDC (-) ... 20
Gambar 4.8 Confusion Matriks Dari Mpdel CNN ... 22
DAFTAR TABEL
Tabel 3.1 Confution Matrix... 14 Tabel 4.1 Ringkasan Model CNN ... 21 Tabel 4.2 Hasil Matriks Dari Model CNN ... 23
DAFTAR PUSTAKA
[1] S. W. Binabar and Ivandari, “Optimasi Parameter K pada Algoritma KNN untuk Deteksi Penyakit Kanker Payudara,” IC-Tech, vol. XII, no. 2, pp. 11–
18, 2017.
[2] M. Y. Darsyah, “Menakar Tingkat Akurasi Support Vector Machine Study Kasus Kanker Payudara,” Stat. Univ. Muhammadiyah, vol. 1, no. 1, pp. 15–
20, 2013.
[3] W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, pp. 65–69, 2016, doi: 10.12962/j23373539.v5i1.15696.
[4] M. Puttagunta and S. Ravi, “Medical image analysis based on deep learning approach,” Multimed. Tools Appl., 2021, doi: 10.1007/s11042-021-10707-4.
[5] J. Ker, L. Wang, J. Rao, and T. Lim, “Deep Learning Applications in Medical Image Analysis,” IEEE Access, vol. 6, pp. 9375–9379, 2017, doi:
10.1109/ACCESS.2017.2788044.
[6] R. Rokhana et al., “Convolutional Neural Network untuk Pendeteksian Patah Tulang Femur pada Citra Ultrasonik B–Mode,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 8, no. 1, pp. 59–67, 2019, doi: 10.22146/jnteti.v8i1.491.
[7] Y. Sun et al., “Convolutional Neural Network Based Models for Improving Super-Resolution Imaging,” IEEE Access, vol. 7, pp. 43042–43051, 2019, doi: 10.1109/ACCESS.2019.2908501.
[8] C. Dong, C. C. Loy, K. He, and X. Tang, “Image Super-Resolution Using Deep Convolutional Networks,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 38, no. 2, pp. 295–307, 2016, doi: 10.1109/TPAMI.2015.2439281.
[9] X. Ma, G. Yang, and Q. Yang, “Application of Deep Convolution Neural Network in Automatic Classification of Land Use,” J. Phys. Conf. Ser., vol.
1187, no. 4, pp. 6–11, 2019, doi: 10.1088/1742-6596/1187/4/042104.
[10] R. R. Janghel, A. Shukla, R. Tiwari, and R. Kala, “Breast Cancer diagnosis using Artificial Neural Network models,” Proc. - 3rd Int. Conf. Inf. Sci.
Interact. Sci. ICIS 2010, no. March 2019, pp. 89–94, 2010, doi:
10.1109/ICICIS.2010.5534716.
[11] A. A. I.S, I. S. K. Idris, B. Santoso, and Y. A. Mustofa, “Pendekatan Machine Learning yang Efisien untuk Prediksi Kanker Payudara,” J. RESTI, vol. 1, no. 1, pp. 458–469, 2017.
[12] L. Tobias, A. Ducournau, F. Rousseau, G. Mercier, and R. Fablet,
“Convolutional Neural Networks for object recognition on mobile devices:
A case study,” Proc. - Int. Conf. Pattern Recognit., vol. 0, no. July 2018, pp.
3530–3535, 2016, doi: 10.1109/ICPR.2016.7900181.
[13] R. Chauhan, K. K. Ghanshala, and R. C. Joshi, “Convolutional Neural Network (CNN) for Image Detection and Recognition,” ICSCCC 2018 - 1st Int. Conf. Secur. Cyber Comput. Commun., no. December 2018, pp. 278–
282, 2018, doi: 10.1109/ICSCCC.2018.8703316.
[14] A. S. Rachmawati, “Prevalensi Kanker di Rumah Sakit Jasa Kartini Kota Tasikmalaya Tahun 2018,” J. Kesehat. Komunitas Indones., vol. 16, no. 1, pp. 119–126, 2020.
[15] S. Macdonald, R. Oncology, and M. General, “Breast Cancer Breast Cancer,” J. R. Soc. Med., vol. 70, no. 8, pp. 515–517, 2016, [Online].
Available: https://www2.tri-
kobe.org/nccn/guideline/breast/english/breast.pdf.
[16] A. S. Hyperastuty, “Artificial Neural Network dalam Menentukan Grading Histopatologi Kanker Payudara,” J. Biosains Pascasarj., vol. 19, no. 2, p.
176, 2017, doi: 10.20473/jbp.v19i2.2017.176-188.
[17] R. Rahmadwati, “Sistem Diagnosis Kanker Servik Berdasarkan Karakteristik Morfologi,” J. EECCIS, vol. 7, no. 2, p. pp.191-196, 2013.
[18] M. Rafly Alwanda, R. Putra, K. Ramadhan, and D. Alamsyah,
“Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle,” J. Algoritm., vol. 1, no. 1, p.
45, 2020, [Online]. Available:
http://jurnal.mdp.ac.id/index.php/algoritme/article/view/434.
[19] A. Zein, “Pendeteksian Penyakit Malaria Menggunakan Medical Images Analisis Dengan Deep Learning Python,” Sainstech J. Penelit. dan Pengkaj.
Sains dan Teknol., vol. 29, no. 1, pp. 48–53, 2019, doi:
10.37277/stch.v29i1.319.
[20] E. N. Arrofiqoh and H. Harintaka, “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi,”
Geomatika, vol. 24, no. 2, p. 61, 2018, doi: 10.24895/jig.2018.24-2.810.
[21] S. Albelwi and A. Mahmood, “A framework for designing the architectures of deep Convolutional Neural Networks,” Entropy, vol. 19, no. 6, 2017, doi:
10.3390/e19060242.
[22] S. A. Alanazi et al., “Boosting Breast Cancer Detection Using Convolutional Neural Network,” J. Healthc. Eng., vol. 2021, 2021, doi:
10.1155/2021/5528622.
