Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JOURNAL ONLINE OF PHYSICS
Latifah, Adelia
Unknown Affiliation
Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI PENYAKIT KANKER PAYUDARA PADA CITRA MAMMOGRAM MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RANDOM FOREST Latifah, Adelia; Alrizal, Alrizal; Fendriani, Yoza
JOURNAL ONLINE OF PHYSICS Vol. 10 No. 3 (2025): JOP (Journal Online of Physics) Vol 10 No 3
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v10i3.43794

Abstract

Penelitian ini membahas klasifikasi kanker payudara pada citra mammogram menggunakan algoritma Convolutional Neural Network (CNN) dan Random Forest dengan implementasi berbasis Python. Tujuan penelitian ini adalah membandingkan performa algoritma CNN dan Random Forest dalam mengklasifikasikan kanker payudara pada citra mammogram, yang dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Dataset citra mammogram diperoleh dari platform Kaggle, mencakup dua kategori: tumor jinak (benign) dan tumor ganas (malignant). Tahap preprocessing data meliputi reduksi noise, normalisasi intensitas piksel, dan ekstraksi fitur. Model CNN dan Random Forest dilatih dan dievaluasi menggunakan metrik performa yang telah ditentukan, dengan pembagian dataset 80% data latih dan 20% data uji untuk memastikan evaluasi objektif. Hasil penelitian menunjukkan bahwa model CNN memiliki akurasi 97%, presisi 90%, recall 94%, dan F1-score 92%, sedangkan Random Forest mencapai akurasi 95%, presisi 86%, recall 91%, dan F1-score 88%. Hasil ini mengindikasikan bahwa model CNN menunjukkan performa lebih unggul dan berpotensi sebagai sistem pendukung diagnosis kanker payudara.  
Co-Authors Alrizal, Alrizal Yoza Fendriani