Electronic Theses and Dissertation

Abstrak kanker payudara merupakan salah satu penyebab kematian pada wanita. maka dari itu sistem pendeteksian dini pada penyakit kanker payudara sangat dibutuhkan. sistem yang unggul digunakan untuk deteksi kanker payudara yaitu adalah convolutional neural network (cnn). shufflenet merupakan salah satu model ringan cnn yang dapat bekerja pada multiplatform. akan tetapi, shufflenet belum mendapatkan akurasi maksimal pada citra termal. oleh karena itu, penelitian ini bertujuan untuk meningkatkan kinerja sistem deteksi kanker menggunakan cnn dengan melakukan segmentasi pada citra termal payudara. kemudian dilakukan minimalisasi blok shufflenet untuk efisiensi model. segmentasi dilakukan menggunakan nilai ambang dari intensitas profil citra untuk meningkatkan kinerja klasifikasi. shufflenet menghasilkan akurasi 100% dalam klasifikasi citra termal payudara tersegmentasi. klasifikasi dilanjutkan dengan pengurangan hingga delapan blok bagian arsitektur shufflenet. model ini dinamakan mshufflenet. hasil penelitian menunjukkan bahwa segmentasi citra termal meningkatkan akurasi shufflenet menjadi 100%. selain itu, penelitian menunjukkan bahwa pengurangan hingga tiga blok bagian model mshufflenet masih menghasilkan kinerja klasifikasi dengan nilai akurasi 100%. kata kunci: citra termal payudara, segmentasi, profil intensitas, deep learning, mshufflenet