Deteksi dan Klasifikasi Data Ultrasonografi Tumor Payudara dengan Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS)

Ratna Idayati (dosen pada bagian Fisika Fakultas Kedokteran Universitas Syiah Kuala)

Jurnal Kedokteran Syiah Kuala
Vol 10, No 2 (2010): Volume 10 Nomor 2 Agustus 2010

Abstrak.    Telah   dilakukan   identifikasi   data  ultrasonografi    tumor  payudara   dengan  menggunakan Adaptive NeuroFuzzy InferenceSystem  (ANFIS).  Untuk  klasifikasi  diberikan   pasangan-pasangan input  fungsi  keanggotaan   (MFs)  antara     O - 0, l dengan  output  pasien  tumor/kaoker   sangat  parah  ; input  MFs  0,11   -  0,2,    dengan  output  pasien  tumor/kanker   parah;    input  MFs   0,21   - 0,4 dengan output  pasien  tumor/kanker   tidak  parah  ;  dan input   0,4 -1 dengan  output  pasien  sehat.  Jdentifikasi dilakukan   terhadap   data  citra  ultrasonografi    baik  pada  pasien   sehat   maupun  pada  pasien   yang memiliki kclainan,   dan  memberikan   persentase   kcbenaran   data  training  sebesar  87%.    Rule base dibuat   dengan  menggunakan   sistem  pakar  (expert system) dengan  8 aturan  dan training   data Fuzzy Inference     System    (FIS)      dilakukan      dengan      menggunakan       metode      backpropagation. (JKS 20~0;2:77-86)Kata kunci: data ultrasonografi, tumor  payudara,  neuro-fuzzy, membership junction, data training, data testing, FIS, rule base, ANFIS.Abstract.   It  bas  been  done  to  identify   breast   tumors   with  ultrasound    data  using  the  Adaptive Neuro   Fuzzy   Inference   System   (ANFIS).   For  the  classification    given  pairs   with  Membership Functions   Score  (MFS)   0 - 0.1    for patient  output  tumor  I cancer  is very severe;   MFS  0.11      -  0.2, for patient  tumor  I cancer  is severe;  MFS  0.21  - 0.4 for   patient  tumor  I cancer  is not severe,  andMFS 0.4 -1  for healthy  patients.   Identification   of ultrasound   image  data  are made  to both healthypatients   and  in  patients  who  have  the  disorder,   and gives   the percentage   of truth  training   data  by87%.  Rule  base is created  by using an expert  system  (expert  systems)  with  8 rules and training  dataFuzzy  Inference  System (FIS)  were calculated  using backpropagation.   (JKS 2010;2:77-86)Keywords: ultrasonografi data, breast tumors,  neuro-fuzzy, membership junction,  data training, data testing, FIS, rule base, ANFIS.