Electronic Theses and Dissertation

Angka kematian akibat kanker payudara terus meningkat dikarenakan kurangnya metode skrining efektif yang dapat mendeteksi lebih awal munculnya kanker payudara. Berbagai upaya dilakukan untuk menemukan dan mengembangkan metode efektif untuk deteksi dini kanker payudara. Beberapa metode seperti mammogram atau Magnetic Resonance Imaging (MRI) telah digunakan untuk skrining kanker payudara, namun metode tersebut tergolong invasif dengan efek samping yang ada dan cukup mahal. Metode skrining dengan pemrosesan citra termal merupakan metode non-invasif dan tanpa efek samping. Penelitian ini menghasilkan aplikasi pendeteksi dini kanker payudara berbasis citra termal yang telah terintegrasi dengan model CNN dan dapat digunakan pada perangkat bersistem operasi iOS secara real-time. Pengembangan aplikasi dilakukan dengan framework Flutter yang memiliki keunggulan penggunaan satu bahasa, yaitu Dart. Aplikasi ini dikembangkan mulai dari perancangan antarmuka pengguna hingga fitur-fitur penting untuk skrining. Aplikasi diuji menggunakan citra termal pada database DMR dan hasil tangkapan citra langsung pada pasien di Banda Aceh. Pengujian fungsional menunjukkan kinerja aplikasi dalam melakukan klasifikasi dengan tingkat akurasi 86%. Pengujian blackbox didapatkan bahwa semua fitur aplikasi dapat berjalan dengan semestinya tanpa adanya bug atau error. Pengujian kinerja menunjukkan bahwa aplikasi dapat digunakan pada iPhone dengan versi software dari iOS 14.0.1 dan rata-rata waktu durasi yang dibutuhkan untuk klasifikasi selama 0.8 detik dan tergolong singkat berdasarkan maksimum attention span manusia selama 8 detik. Dengan demikian, pengembangan aplikasi pendeteksi dini kanker payudara berbasis citra termal ini berhasil dan layak digunakan.

The death rate from breast cancer continues to increase due to the lack of effective screening methods that can detect the early appearance of breast cancer. Efforts are being made to find and develop effective methods for early detection of breast cancer. Several methods such as mammogram or Magnetic Resonance Imaging (MRI) have been used for breast cancer screening, but they are invasive with side effects and quite expensive. Screening methods with thermal image processing are non-invasive and without side effects. This research produces a thermal image-based breast cancer early detection application that has been integrated with the CNN model and can be used on iOS operating system devices in real time. Application development is carried out with the Flutter framework which has the advantage of using one language, namely Dart. This application is developed from designing the user interface to important features for screening. The application was tested using thermal images in the DMR database and direct image capture of patients in Banda Aceh. Functional testing showed the application's performance in performing classification with an accuracy rate of 86%. Blackbox testing found that all application features can run properly without any bugs or errors. Performance testing shows that the application can be used on an iPhone with a software version of iOS 14.0.1 and the average duration time required for classification is 0.8 seconds and is relatively short based on the maximum human attention span of 8 seconds. Thus, the development of this thermal image-based breast cancer early detection application is successful and feasible to use.