SISTEM KLASIFIKASI CITRA USG UNTUK DETEKSI DINI KANKER PAYUDARA BERBASIS WEB MENGGUNAKAN ALGORITMA CNN ARSITEKTUR VGG16

Maisarah (2026) SISTEM KLASIFIKASI CITRA USG UNTUK DETEKSI DINI KANKER PAYUDARA BERBASIS WEB MENGGUNAKAN ALGORITMA CNN ARSITEKTUR VGG16. PROGRAM STUDI SARJANA SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2026.

Text ini fix perpus.pdf Download (2MB)

Abstract

Kanker payudara merupakan salah satu penyakit dengan angka kejadian tertinggi pada perempuan di dunia. Berdasarkan data Global Cancer Observatory (GLOBOCAN) tahun 2022, kanker payudara menyumbang sekitar 2,3 juta kasus baru dan lebih dari 670 ribu kematian, sehingga deteksi dini menjadi faktor penting dalam meningkatkan peluang kesembuhan pasien. Salah satu metode pencitraan yang banyak digunakan adalah ultrasonografi (USG), namun interpretasi citra USG masih sangat bergantung pada pengalaman radiolog sehingga diperlukan sistem berbasis komputer yang dapat membantu proses analisis secara lebih objektif dan konsisten. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kanker payudara berbasis citra USG menggunakan arsitektur Convolutional Neural Network (CNN) VGG16 yang diimplementasikan dalam bentuk aplikasi web. Model dilatih menggunakan dataset publik BUSI (Breast Ultrasound Images) yang terdiri dari 780 citra dengan tiga kategori, yaitu normal, jinak, dan ganas, dengan pembagian 80% data latih (624 citra) dan 20% data uji (156 citra). Proses pelatihan dilakukan dalam dua tahap, yaitu training top layer dan fine-tuning pada 4 layer terakhir VGG16, serta dilengkapi dengan augmentasi data untuk mencegah overfitting. Hasil pengujian menunjukkan bahwa model mencapai akurasi validasi sebesar 89,94% dan akurasi training sebesar 95,48%. Sistem berbasis web yang dikembangkan menggunakan framework Flask dilengkapi dengan fitur AI Asisten Deskriptif yang menerjemahkan probabilitas numerik menjadi kalimat interpretatif dan rekomendasi tindakan, serta dashboard transparansi model yang menampilkan informasi akurasi, dataset, dan batasan sistem secara terbuka. Pengujian black-box menunjukkan bahwa seluruh skenario pengujian berhasil dilakukan dan sistem berfungsi sesuai dengan yang diharapkan. Penelitian ini diharapkan dapat menjadi landasan awal (proof of concept) bagi peneliti selanjutnya untuk mengembangkan sistem yang lebih matang dan melakukan uji klinis yang melibatkan tenaga medis profesional. Kata Kunci: Kanker Payudara1; Citra USG2; CNN3; VGG164; Klasifikasi5

Actions (login required)

View Item