122 BAB IV PENUTUP A. Kesimpulan Berdasarkan pembahasan

BAB IV
PENUTUP
A. Kesimpulan
Berdasarkan pembahasan hasil klasifikasi stadium kanker payudara
menggunakan model Fuzzy Neural Network (FNN) dengan dan tanpa operasi titik,
kesimpulan yang dapat diambil adalah sebagai berikut.
1. Prosedur klasifikasi stadium kanker payudara menggunakan model FNN
dengan dan tanpa operasi titik yaitu,
a. Preprocessing citra yang dilakukan pada citra mammogram payudara
adalah pemotongan citra, menghilangkan background (latar) hitam, dan
memperbaiki kualitas citra dengan operasi titik intensity adjustment.
b. Ekstraksi citra mammogram payudara untuk mendapatkan parameterparameter statistik, yaitu kontras, korelasi, energi, homogenitas, entropi,
sum of squares, inverse difference moment, sum average, sum entropy,
sum variance, difference variance, difference entropy, probabilitas
maksimum dan dissimilarity.
c. Menentukan variabel input fuzzy, yaitu hasil fuzzifikasi dari parameterparameter hasil ekstraksi citra mammogram payudara dan menentukan
variabel output, yaitu hasil klasifikasi citra mammogram payudara dengan
model FNN.
d. Membagi data menjadi 2, yaitu 80% data training dan 20% data testing.
e. Normalisasi data, yaitu membawa data ke bentuk normal yang memiliki
mean = 0 dan standar deviasi = 1.
122
f. Pembentukan model terbaik, yaitu menentukan banyak neuron terbaik
pada
lapisan
tersembunyi
menggunakan
algoritma
pembelajaran
backpropagation dengan cara trial and error, sehingga diperoleh model
terbaik yang memiliki akurasi tertinggi.
g. Denormalisasi data, yaitu proses pengembalian nilai output ternormalisasi
ke nilai yang sebenarnya.
2. Hasil klasifikasi stadium kanker payudara menggunakan model FNN dengan
operasi titik intensity adjustment menunjukkan nilai akurasi, sensitivitas, dan
spesifisitas secara berurutan adalah 100%, 100%, dan 100% untuk data
training serta 79,1667% 87,5%, dan 100% untuk data testing. Sedangkan hasil
akurasi, sensitivitas, dan spesifisitas pada model FNN tanpa operasi titik
intensity adjustment secara berurutan adalah 100%, 100%, dan 100% untuk
data training serta 54,1667%, 87,5% dan 12,5%, untuk data testing. Jadi,
model FNN yang dibentuk menggunakan input hasil ekstraksi citra melalui
preprocessing operasi titik intensity adjustment memberikan hasil akurasi,
sensitivitas dan spesifisitas yang lebih baik dibandingkan dengan model FNN
tanpa operasi titik untuk klasifikasi stadium kanker payudara. Keunggulan lain
model tersebut adalah pada klasifikasi normal atau mendeteksi pasien yang
normal.
B. Saran
Tugas akhir ini diharapkan dapat menambah referensi di bidang
matematika dan mampu menjadi salah satu faktor untuk dapat membantu ahli
123
kesehatan dalam klasifikasi atau diagnosis kanker payudara, walaupun hasil
penelitian ini belum cukup baik. Oleh karena itu, perlu dilakukan pendampingan
dan evaluasi oleh para ahli kesehatan. Untuk memperoleh hasil yang lebih baik,
dapat dilakukan pengembangan sebagai berikut.
1. Melakukan pengujian dengan berbagai fungsi keanggotaan dan banyaknya
himpunan fuzzy pada input.
2. Menggunakan operasi perbaikan kualitas citra selain operasi titik intensity
adjustment, karena metode tersebut merupakan metode yang paling sederhana.
3. Pembuatan aplikasi atau program untuk klasifikasi stadium kanker payudara
menggunakan
model
FNN
untuk
mempersingkat waktu.
124
mempermudah
pengguna
dan