ABSTRAK - Breast cancer is one of the causes of cancer deaths in women worldwide. One technique to diagnose breast cancer: mammography. In this study developed a system to classify the "Breast Cancer" using Backpropagation neural network optimized with Particle Swarm Optimization for classifying tumors of the symptoms that cause breast cancer. The main objective of this study was to develop a more cost effective and easy to use system to support doctors. For the problem of diagnosis of breast cancer tumor symptoms, the experimental results show that the neural network based model of particle swarm optimization achieved a high degree of accuracy. Dataset used in this study were breast cancer database from the University of Wisconsin Machine Learning (UCI) Repository. Keywords: Breast Cancer, Backpropagation, Particle Swarm Optimization, Accuracy
PENDAHULUAN- Kanker payudara merupakan salah satu kanker yang pada umumnya menimpa sebagian besar wanita. Kanker payudara adalah tumor ganas yang menyerang jaringan payudara (Purwoastuti, 2008 : p13). Sebuah tumor ganas terdiri dari sel-sel yang menyerang atau menyebar ke bagian lain dari tubuh. Wanita di seluruh dunia sering terganggu oleh pikiran didiagnosa menderita kanker payudara. Pada tahun 2008, terdapat 1.383.000 kasus kanker payudara dilaporkan dengan 458.000 kematian akibat kanker payudara di seluruh dunia (IRCA, 2008 : p8). Menurut data yang dipublikasikan pada 2011 kematian kanker payudara di Indonesia mencapai 20.052 atau 1,41% dari total kematian (WHO, 2011 : p5). Tingkat kematian yang disebabkan oleh kanker payudara berdasarkan usia adalah 20,25 per 100.000 penduduk Indonesia menempati urutan ke 45 di dunia. Salah satu cara untuk mendeteksi penyakit kanker payudara adalah dengan menggunakan mammography akan tetapi tingkat akurasinya masih belum optimal. Sehingga perlu dilakukan penelitian lebih lanjut untuk meningkatkan akurasi deteksi kanker payudara.
Post a Comment
Post a Comment