<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="107446">
 <titleInfo>
  <title>ANALISIS KINERJA ARSITEKTUR RESNET TERHADAP KLASIFIKASI RNCITRA TERMAL PAYUDARA</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Zuhra Tursina</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Komputer</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Kanker payudara merupakan salah satu jenis kanker dengan jumlah pengidap paling banyak dan jumlah kematian kedua tertinggi dari kanker lainnya yaitu mencapai 22.692 jiwa. Hal ini disebabkan oleh kurangnya pendeteksian dini terhadap pengidap kanker payudara. Secara medis kanker payudara dapat diketahui berdasarkan struktur anatominya melalui gambar medis dengan bantuan alat seperti MRI, X-Ray, USG dan Mammografi. Namun metode ini kurang efisien karena dapat merusak jaringan tubuh. Pada penelitian ini digunakan deteksi dini menggunakan termografi yang merupakan suatu teknik untuk menangkap pantulan gelombang infrared menjadi suatu citra termal. Citra termal payudara tidak melibatkan sentuhan fisik dan tidak merusak jaringan tubuh. Salah satu metode yang dapat digunakan untuk deteksi dini kanker payudara menggunakan komputer adalah Convolution Neural Network (CNN) yang merupakan algoritma pembelajaran mesin dengan kinerja terbaik. CNN banyak digunakan dalam analisis citra medis dengan melakukan klasifikasi. Penelitian ini mengusulkan suatu metode klasifikasi citra termal payudara menggunakan algoritma deep learning CNN. Arsitektur yang digunakan adalah ResNet-18, ResNet-34, ResNet-50, dan ResNet- 101. Dataset yang digunakan terdiri dari 3 jenis skema dengan pengelompokkan yang berbeda bertujuan untuk menganalisis kinerja ResNet dalam mengenali citra termal payudara. Data latih dan validasi skema 1 terdiri dari 3.500 citra yang diambil dari 187 ID, citra latih dan validasi skema 2 terdiri dari 600 citra yang diambil dari 60 ID. Adapun data uji yang digunakan pada skema 1 dan 2 terdiri dari 300 citra. Skema 3 merupakan citra termal payudara dengan watermark yang terdiri dari 450 citra latih dan validasi serta data uji sebanyak 50 citra. Hasil penelitian menggunakan dataset skema 1 dan 2 menghasilkan learning curve yang goodfit pada seluruh arsitektur. Sedangkan pada dataset skema 3 ResNet-18 dan ResNet- 34 menghasilkan learning curve yang overfit, ResNet-50 dan ResNet-101 menghasilkan learning curve yang goodfit.&#13;
Kata kunci: kanker payudara, convolution neural network, resnet-18, resnet-34, resnet-50, resnet-101.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>107446</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-12-27 16:22:10</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-12-28 09:29:49</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>