LUCKY AHMAD ARDIANSYAH (2023) KLASIFIKASI JENIS ADENOCARCINOMA MELALUI CITRA SEL CAIRAN TUBUH MENGGUNAKAN ALGORTIMA LENET-5. S1 thesis, Universitas Muhammadiyah Yogyakarta.

	Text (Halaman Judul) Halaman Judul.pdf Download (835kB)
	Text (Lembar Pengesahan) Lembar Pengesahan.pdf Restricted to Registered users only Download (716kB)
	Text (Abstrak) Abstrak.pdf Restricted to Registered users only Download (128kB)
	Text (Bab I) Bab I.pdf Download (165kB)
	Text (Bab II) Bab II.pdf Restricted to Registered users only Download (284kB)
	Text (Bab III) Bab III.pdf Restricted to Registered users only Download (885kB)
	Text (Bab IV) Bab IV.pdf Restricted to Registered users only Download (1MB)
	Text (Bab V) Bab V.pdf Restricted to Registered users only Download (56kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Restricted to Registered users only Download (194kB)
	Text (Naskah Publikasi) Naskah Publikasi.pdf Restricted to Registered users only Download (896kB)
	Text (Full Text) Full Text.pdf Restricted to Repository staff only Download (4MB)

Abstract

Kanker adalah sekelompok penyakit yang ditandai dengan pertumbuhan sel yang tidak normal dan tidak terkendali di dalam tubuh. Kanker terdiri dari dua jenis utama yaitu, Small Cell Lung Cancer (SCLC) dan Non-Small Cell Lung Cancer (NSCLC), dimana jenis NSCLC merupakan kasus yang sering terjadi dengan jenis  Adenocarcinoma dan Squamous Cell Carcinoma. Adenocarcinoma adalah salah satu jenis kanker yang paling umum dan mematikan di dunia. Kanker ini sering terjadi pada organ seperti paru-paru, prostat, payudara, dan usus besar. Oleh karena itu pendeteksian dini diperlukan untuk dapat mengantisipasi kanker. Salah satu metode yang dapat digunakan untuk mendeteksi kanker adalah dengan menggunakan nerual network lebih tepatnya Convolutional Neural Network (CNN). Pada penelitian ini model arsitektur yang dipakai untuk mengklasifikasikan sel Adenocarcinoma adalah LeNet-5 dengan menggunakan validasi berupa K�Fold Cross Validation. Dari model tersebut didapatkan hasil berupa Confussion matrix, Performance metrics dan juga grafik akurasi dari tiap fold yang di training. Data citra berupa 1000 citra yang dijadikan 2 kelas, yaitu 500 citra sel Malignant dan 500 citra sel benign. Dari hasil penelitian ini didapatkan accuracy rata rata rata sebesar 98%, percision sebesar 98%, Recall sebesar 98 persen dan juga f1-score sebesar 98%.untuk prediksi setiap fold hasil yang didapatkan adalah ke 5 fold yang telah dilatih dapat melakukan prediksi secara benar.

Dosen Pembimbing:	Laila Ma'rifatul Azizah, S.kom., M.I.M. and Cahya Damarjati, S.T., M.Eng., Ph.D. | NIDN0509098901, NIDN0515038702
Item Type:	Thesis (S1)
Uncontrolled Keywords:	Adenocarcinoma, Convolutional Neural Netwrok (CNN), LeNet-5
Divisions:	Fakultas Teknik > S1 Teknologi Informasi
Depositing User:	M. Erdiansyah
Date Deposited:	10 Nov 2023 07:26
Last Modified:	10 Nov 2023 07:26
URI:	https://etd.umy.ac.id/id/eprint/42535

Actions (login required)

View Item