DIAGNOSIS KANKER PAYUDARA MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION
Abstract
Berdasarkan World Health Organization (WHO), kanker payudara menempati urutan ke-delapan yang menyebabkan angka mortalitas terbesar di dunia. Berdasarkan data Kementrian Kesehatan Republik Indonesia, kanker payudara berada pada urutan kedua dimana posisi pertama merupakan kanker leher rahim. Menurut data dari WHO, pada tahun 2015 angka mortalitas akibat dari kanker payudara di dunia mencapai 571.000 atau sebesar 6,48% dari keseluruhan mortalitas di dunia. Sedangkan di Indonesia berada pada angka 20.025 atau senilai 1,41% dari keseseluruh jumlah kematian yang ada di Indonesia. Meningkatnya angka dari kanker payudara ini dapat disebabkan dari beberapa faktor resiko seperti genetik dan riwayat keluarga, riwayat tumor atau kanker payudara sebelumnya, riwayat menstruasi dini, riwayat menopause lambat, obesitas, riwayat reproduksi, hormonal, pola makan yang buruk, konsumsi alkohol, akibat radiasai sinar ultraviolet, dan faktor lingkungan. Di Indonesia, lebih dari 80% kasus ditemukan sulit melakukan upaya pengobatan karena kasus berada pada stadium yang lanjut. Diagnosis dini kanker payudara dapat dilakukan dengan proses Data Mining dengan metode Jaringan Saraf Tiruan dan algoritma Backpropagation. Dalam melakukan penelitian ini peneliti menggunakan data yang ada pada UCI - Machine Learning Repository: Breast Cancer Repository. Hasil penelitian menunjukkan bahwa tingkat keakuratan mendiagnosis kanker payudara menggunakan jaringan saraf tiruan dengan metode Backpropagation pada proses testing mencapai 94,634% dan saat proses training sebesar 99,372%.
Kata Kunci: kanker payudara, backpropagation, diagnosis, genetik
References
Bahrul Ulum, M., & Kurnia Laday, R, Implementasi Metode Backpropagation Neural Network Untuk Mendiagnosis Penyakit Kanker Payudara. Seminar Nasional APTIKOM (SEMNASTIKOM), 2016.
Hermawan, A, Jaringan Saraf Tiruan. Yogyakarta: Andi, 2006.
Hoffer, J. A., Ramesh, V., & Topi, H, Modern Database Management. Prentice Hall, Inc, 2012.
HSB, R. R, Mendeteksi Penyakit Gigi Menggunakan Jaringan Saraf Tiruan Dengan Menggunakan Metode Backpropagation dan Metode Hopefield, 2014.
Jiawei Han, M. K, Data Mining : Concepts and Techniques - 3rd edition. Morgan Kaufmann Publishers, 2012.
Kementrian Kesehatan Republik Indonesia, Kementrian Kesehatan. Diambil kembali dari Kementrian Kesehatan Republik Indonesia, 2017.
Kusrini, & Taufiq Luthfi, E, Algoritma Data Mining. Yogyakarta: ANDI, 2009.
Kusumadewi, S, Membangun Jaringan Syaraf Tiruan Menggunakan Matlab & Axcellink. Yogyakarta: Graham Ilmu, 2004.
Larose, D. T, Discovering Knowledge in Data : An Introduction To Data Mining. Jhon Wiley & Sons Inc, 2005.
MacLennan, J., Tang, Z., & Crivat, B, Data Mining With Microsoft SQL Server 2008. USA: Wiley Publishing, Inc, 2009.
Nursela, D. A, Penerapan Algoritma C4.5 Untuk Klasifikasi Tingkat Keganasan Kanker Payudara, 2014.
Puspitaningrum, D, Pengantar Jaringan Saraf Tiruan. Yogyakarta: Andi, 2006.
Sathya, R., & Abraham, A, Comparison of Supervised and Unsupervised Learning Algorithms for Pattern Classification, 2013.
Setiawan, A., & Sidik Sasongko, P, Sistem Deteksi Dini Penyakit Tuberculosis Menggunakan Jaringan Saraf Tiruan Backpropagation Dengan Algoritma Nguyen Widrow Dan Optimasi Adaptive Learning Rate, 2016.
Siang, J. J, Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan MATLAB. Yogyakarta: Andi, 2005.
Suwarno, & Abdillah, A, Penerapan Algoritma Bayesian Regularization Backpropagation Untuk Memprediksi Penyakit Diabetes, 2016.
Taufikurrahman, M, Peramalan Nilai Tukar Mata Uang Rupiah Terhadap Dolar Amerika Serikat Tahun 2014 Dengan Menggunakan Jaringan Syaraf Tiruan Model Backpropagation, 2014.
Vita Via, Y., Nugroho, B., & Syafrizal, A, Sistem Pendukung Keputusan Klasifikasi Tingkat Keganasan Kanker Payudara Dengan Metode Naive Bayes Classifier, 2015.
Downloads
Published
Issue
Section
License
Penulis yang menerbitkan jurnal ini menyetujui persyaratan berikut:
- Penulis memiliki hak cipta dan memberikan hak untuk publikasi pertama jurnal dengan karya yang secara simultan dilisensikan di bawah Creative Commons Attribution License yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepengarangan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat membuat perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengajuan, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).
