Jamalur Ridha Primary Author mixed material bibliography Banda Aceh Prog. Studi Magister Teknik Elektro 2024

Theses

Kanker payudara tetap menjadi penyebab utama kematian di kalangan wanita secara global, seringkali akibat deteksi yang terlambat dan kurangnya kesadaran. Penelitian ini bertujuan untuk mengembangkan sistem deteksi kanker payudara non-invasif yang canggih dengan menggunakan kombinasi termografi dan deep learning. Sistem yang dikembangkan mengintegrasikan Attention U-Net untuk segmentasi citra termal yang akurat dan K-Means Clustering untuk mengidentifikasi area suhu tinggi yang mencurigakan. Area ini kemudian diklasifikasikan menggunakan model CNN berbasis EfficientNet-B7. Untuk meningkatkan interpretabilitas, digunakan LIME, sebuah teknik Explainable AI yang membantu dalam menjelaskan keputusan model. Hasil eksperimen menunjukkan bahwa sistem ini mencapai akurasi pelatihan sebesar 96,48% dan akurasi validasi sebesar 91,67%. Selain itu, model ini juga mencapai recall sebesar 91,95%, spesifisitas sebesar 91,43%, presisi sebesar 89,89%, dan F1-Score sebesar 90,91%. Hasil ini menyoroti efektivitas model dalam mendeteksi dan melokalisasi area yang berpotensi mengandung kanker, dengan keseimbangan yang baik antara presisi dan recall. Meskipun hasil yang diperoleh cukup menjanjikan, penyempurnaan lebih lanjut diperlukan untuk mengurangi tingkat false negatives dan meningkatkan generalisasi terhadap data yang belum pernah terlihat sebelumnya. Penelitian ini secara signifikan memajukan teknologi deteksi kanker payudara non-invasif, serta meletakkan dasar yang kuat untuk aplikasi klinis di masa depan. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 129926 2024-09-04 01:30:14 2024-09-04 10:24:37 machine generated