"
ABSTRAKKanker payudara merupakan kanker yang umum terjadi pada wanita baik
di Indonesia ataupun di dunia. Pemeriksan tingkat sebaran sel kanker perlu
dilakukan agar pengobatan yang diberikan tepat. Biopsi jaringan getah bening dan
pemeriksaan ahli patologi adalah salah satu metode untuk menentukan tingkat
penyebaran kanker. Kendala pada pemeriksaan manual membutuhkan waktu untuk
memeriksa bagian perbagian dengan kemungkinan ada bagian yang terlewati,
kesalahan dalam klasifikasi dan unsur subjektifitas saat memeriksa. Penggunaan
kecerdasan buatan dalam prapemeriksaan akan membantu dokter dalam memeriksa
dan menghilangkan unsur subjektifitas. Proses klasifikasi yang didapat diharapkan
membantu ahli patologi memeriksa dengan lebih cepat dan mengurangi tingkat
kesalahan pemeriksaan. Proses dimulai dengan terlebih dahulu menentukan antara
daerah kosong dan daerah yang terdapat jaringan. Selanjutnya menentukan tingkat
metastasis berdasarkan hasil klasifikasi. Metode yang digunakan adalah dengan
menggunakan teknik ambang gambar dalam menentukan batas gambar yang berisi
jaringan. Proses klasifikasi menggunakan jaringan saraf konvolusi (Convolution
Neural Network (CNN)) dengan banyak klasifikasi sebanyak 5 kelompok sel
normal dan 1 kelompok tumor. Hasil dari penggunaan metode ambang adaptif
dapat memisahkah antara daerah kosong dan daerah berisi sel-sel. Metode jaringan
saraf konvolusi ini dapat mengklasifikasikan dengan hasil sampai 86% dan tes
dengan validasi data 80% untuk keseluruhan klasifikasi dan mencapai 93% untuk
sel tumor dan sel kanker. Hasil dari penentuan tingkat ditentukan oleh akurasi dari
proses klasifikasi. Metode ambang gambar adaptif dapat menentukan area kosong
dan berisi jaringan sesuai dengan yang diharapkan dan mempercepat proses
pemeriksaan. Hasil klasifikasi dan menentukan tingkat dapat ditingkatkan dengan
memperbaiki pembagian data-data pada dataset dan mengembangkan konfigurasi
dari jaringan saraf konvolusi dengan merubah struktur atau menambahkan dengan
metode lain.
ABSTRACTBreast cancer is the most common cancer in women worldwide and the second most
common cancer in Indonesia. Metastasis is the medical term for cancer that spreads
to a different part of the body from where it started. Information from the lymph
node biopsy can help doctor that treatment decisions depend on stage of metastases.
Normaly pathologist makes a diagnosis of the prepared sample slide from sample
biopsy with manual visual inspection. Manual diagnosis has the possibility to miss
some section not checked, classification errors and subjectivity result. The
classification process with AI will help the pathologist check faster, reduce the error
level and eliminate the subjectivity. The proposed Method using adaptive
thresholding method in whole slide image is to determine the area to be processed.
And Convolution Neural Network (CNN) for image classification. Adaptive
thresholding have ability to separating the blank slide area and tissue area. CNN is
superior in image classification . Classification data for this thesis using 6
classification, five class normal cell and one tumor. Adaptive thresholding method
in whole slide image can separate empty tissue and tissue with cell area. The result
CNN Method for overall accuracy 86% and accuracy for tumor cell is 93%.
Classification and staging result can be improved by improving dataset for training
and developing, change the configuration of CNN architecture or adding new
method."
