PENERAPAN METODE RBPNN UNTUK KLASIFIKASI KANKER PAYUDARA

• Main Authors: Fairudz Shahura, Oni Soesanto, Fatma Indriani
• Format: Article
• Language: Indonesian
• Published: Universitas Lambung Mangkurat 2016-10-01
• Series: KLIK: Kumpulan jurnaL Ilmu Komputer
• Online Access: http://klik.unlam.ac.id/index.php/klik/article/view/51
• ISSN: 2406-7857; 2443-406X

Breast cancer is the most commonly diagnosed cancer in women. Breast cancer cases are increasing each year. Therefore, early detection of breast cancer plays an important role in anticipating the spread of cancer. Fine-needle aspiration (FNA) biopsy is one way to detect breast cancer. FNA is a method of taking the majority of tissue with a syringe that is intended to aid in the diagnosis of various tumor diseases. The FNA samples that have been studied generate ten characteristics, namely radius, texture, perimeter, area, compactness, smoothness, concavity, concave points, symmetry, and fractal dimension. These characteristics are used to classify benign and malignant breast cancer. To classify breast cancer, Radial Basis Probabilistic Neural Network (RBPNN) required. This study aims to determine how the performance of the method of Radial Basis Probabilistic Neural Network for classifying breast cancer. The accuracy was found to be equal 93.19% for training data, and 90.35% for testing data. Keywords: Radial Basis Probabilistic Neural Network, Classification, Breast Cancer. Kanker payudara merupakan penyakit yang paling banyak menyerang kaum wanita. Penderita penyakit kanker payudara semakin meningkat pada tiap tahunnya. Oleh karena itu deteksi dini kanker payudara memegang peranan penting dalam mengantisipasi penyebaran kanker. Salah satu cara untuk mendeteksi kanker payudara adalah  dengan fine-needle aspiration (FNA) biopsy. FNA merupakan suatu metode pengambilan sebagian jaringan tubuh manusia dengan jarum suntik yang bertujuan untuk membantu diagnosis berbagai penyakit tumor. Sampel FNA yang telah diteliti menghasilkan sepuluh karakteristik, yaitu radius, texture, perimeter, area, compactness, smoothness, concavity, concave points, symmetry, dan fractal dimension. Kesepuluh karakteristik tersebut digunakan untuk mengklasifikasikan kanker payudara jinak dan ganas. Untuk mengklasifikasi tingkat keganasan dari kanker payudara dapat dilakukan dengan metode Radial Basis Probabilistic Neural Network (RBPNN). Penelitian ini bertujuan untuk mengetahui bagaimana performansi metode Radial Basis Probabilistic Neural Network untuk mengklasifikasikan kanker payudara. Dari hasil penelitian didapat akurasi 93.19% untuk data training, serta 90.35% untuk data testing. Kata kunci : Radial Basis Probabilistic Neural Network, Klasifikasi, Breast Cancer.