ADAPTASI MODEL CNN PADA APLIKASI BERGERAK UNTUK KLASIFIKASI CITRA TERMAL PAYUDARA | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

ADAPTASI MODEL CNN PADA APLIKASI BERGERAK UNTUK KLASIFIKASI CITRA TERMAL PAYUDARA


Pengarang

MUHAMMAD RIZKY SYAHPUTRA - Personal Name;

Dosen Pembimbing

Roslidar - 197807192002122002 - Dosen Pembimbing I
Rusdha Muharar - 197804182006041003 - Dosen Pembimbing I



Nomor Pokok Mahasiswa

1604105010022

Fakultas & Prodi

Fakultas Teknik / Teknik Elektro (S1) / PDDIKTI : 20201

Subject
-
Kata Kunci
-
Penerbit

Banda Aceh : Fakultas Teknik., 2022

Bahasa

No Classification

-

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Penyakit kanker payudara menyerang sel-sel pada payudara yang ditandai dengan peningkatan suhu di daerah payudara tersebut yang mengindikasikan aktifitas pertumbuhan sel yang tidak terkendali. Korban dari penyakit ini cukup banyak dan mayoritas yang terjangkit ada di kalangan wanita. Penyakit ini jarang disadari pada fase awalnya sehingga kebanyakan kasus ditindaklanjuti ketika keadaan semakin parah. Penelitian ini bertujuan untuk merancang sebuah aplikasi deteksi dini kanker payudara dengan menggunakan informasi permukaan kulit tubuh pengguna melalui termografi. Aplikasi yang dibangun berupa mobile app (aplikasi bergerak) berbasis deep learning yang mampu mengklasifikasikan citra termal payudara ke dalam kelas normal dan abnormal. Model deep learning yang kompatibel untuk aplikasi bergerak dengan akurasi tinggi dan ukuran yang kecil dikonversi ke dalam platform mobile. Aplikasi dirancang untuk dapat melakukan inferensi pada perangkat bergerak menggunakan Tensorflow Lite secara langsung, tanpa perlu mengirim data ke perangkat lain. Hasil penelitian ini diharapkan berguna untuk memberi akses yang lebih mudah dalam pendeteksian dini kanker payudara, sehingga dapat menekan angka kasus kanker payudara yang akan datang.

Breast cancer attacks cells around the breast area with some sign of increasing temperature. High activities of uncontrolled cell growth and replication increase the heat in the surrounding area. This disease majorly attacks women. At the earlier stage, most people don't recognize cancer because they are barely detectable and most of the cases were diagnosed at a more severe stage. This research was made to design and develop an application for breast cancer early detection, using information from the skin surface temperature of the area. The mobile application could classify breast thermal images into normal and abnormal classes. High accuracy and lightweight deep learning model were developed in this research to make sure it can run on the mobile platform. This mobile application is designed to run the inference right on the user device, without any other party to process the data. the output of this research is expected to give better and easier access for early detection of breast cancer.

Citation



    SERVICES DESK