FAKTOR-FAKTOR PENENTU GEJALA PENYAKIT KANKER PAYUDARA DENGAN PENDEKATAN JARINGAN SARAF TIRUAN

Gunawan Wibisono, Arief Hermawan

Abstract


Kanker Payudara adalah salah satu penyakit yang menjadi momok bagi kaum wanita. Kanker payudara juga menyerang kaum pria akan tetapi kasusnya tidak sebanyak kaum wanita. Dataset klasifikasi kanker payudara Coimbra yang diambil dari UCI Machine Learning, disampaikan bahwa ada 9 atribut yang memengaruhi kondisi seseorang menjadi penderita atau kemungkinan menderita penyakit kanker payudara. Atribut atau faktor tersebut adalah BMI, Glukosa, Insulin, HOMA, Leptin, Adiponectin, Resistin, MCP-1, dan Umur. Tujuan yang akan dicapai dalam penelitian ini adalah menemukan faktor-faktor penentu yang mempengaruhi indikasi penyakit kanker payudara dengan pendekatan Jaringan Saraf Tiruan (JST). Setelah dilakukan simulasi jaringan saraf tiruan dengan 2 lapisan tersembunyi diperoleh hasil bahwa faktor usia menjadi faktor yang memiiki pengaruh terbesar, sedangkan MCP-1 merupakan faktor yang memiliki pengaruh terkecil  dalam prediksi penyakit kanker payudara.

 

DOI : https://doi.org/10.26905/jasiek.v1i1.3098


Full Text:

PDF

References


B. K. dan P. M. Kementrian Kesehatan RI, “Hari Kanker Sedunia 2019,” Kamis, 31 Januari, 2019. [Online]. Available: http://www.depkes.go.id/article/view/19020100003/hari-kanker-sedunia-2019.html. [Accessed: 11-May-2019].

I. Yulianti, H. S. Santoso, and D. Sutiningsih, “Faktor-Faktor Risiko Kanker Payudara (Studi Kasus Pada Rumah Sakit Ken Saras Semarang),” J. Kesehat. Masy., vol. 4, no. 4, pp. 401–409, 2016.

M. Patrício et al., “Using Resistin, glucose, age and BMI to predict the presence of breast cancer,” BMC Cancer, vol. 18, no. 1, 2018.

W. M. Dessy and A. Irawan, “Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah,” J. Komput. dan Inform., vol. 1, no. 1, pp. 45–51, 2012.

A. Hermawan and D. Avianto, “The Implementation of Neural Network on Determining the Determinant Factors Towards Students’ Stress Resistance,” J. Telecommun. Electron. Comput. Eng., vol. 9, no. 3, pp. 129–133, 2017.

Didi, D. A. Pratiwi, E. Angliati, Fitriani, A. Dayumi, and T. W. Widyaningsih, “Klasifikasi Kanker Payudara Dengan Jaringan Syaraf Tiruan Levenberg Marquadt Berdasarkan Citra Mammography,” Semin. Nas. Teknol. Inf., pp. 115–119, 2017.

R. Anggraeni and A. Indrarti, “Klasifikasi Status Gizi Balita Berdasarkan Indeks Antropometri menggunakan Jaringan Saraf Tiruan,” SNASTI, pp. 14–18, 2010.

V. O. Oladokun, A. T. Adebanjo, and O. E. Charles-Owaba, “Predicting students’ academic performance using artificial neural network: A case study of an engineering course,” Pacific J. Sci. Technol., vol. 9, no. 1, pp. 72–79, 2008.

F. S. Panchal and M. Panchal, “Review on Methods of Selecting Number of Hidden Nodes in Artificial Neural Network,” Int. J. Comput. Sci. Mob. Comput., vol. 311, no. 11, pp. 455–464, 2014.

M. Sihombing and A. N. Sapardin, “Faktor Risiko Tumor Payudara Pada Perempuan Umur 25-65 Tahun Di Lima Kelurahan Kecamatan Bogor Tengah,” J. Kesehat. Reproduksi, vol. 5, no. 3, Feb. 2017.

M. Meilani, “Pendekatan indeks antropometri sebagai alat skreening hipertensi pada orang dewasa di daerah urban (Analisis Riskesdas 2007) [Tesis],” Universitas Indonesia, Depok, 2012.




DOI: https://doi.org/10.26905/jasiek.v1i1.3098

Refbacks

  • There are currently no refbacks.



JASIEK(Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer)
Department of Electrical Engineering, Universitas Merdeka Malang



Image result for address iconTaman Agung Street No. 1, Sukun, Malang Kota, Jawa Timur, 65146, Indonesia
Image result for address blue iconjasiek@unmer.ac.id
Image result for address blue icon081236435856


Supported By: