OPTIMASI RULE PADA MODEL FUZZY DENGAN MENGGUNAKAN FUZZY C-MEANS (FCM) CLUSTERING UNTUK DIAGNOSIS KANKER PAYUDARA

Susilowati, Triyani and Abadi, Agus Maman (2017) OPTIMASI RULE PADA MODEL FUZZY DENGAN MENGGUNAKAN FUZZY C-MEANS (FCM) CLUSTERING UNTUK DIAGNOSIS KANKER PAYUDARA. S1 thesis, UNY.

[img]
Preview
Text
1 Bagian Awal.pdf

Download (651kB) | Preview
[img]
Preview
Text
2 BAB I.pdf

Download (200kB) | Preview
[img]
Preview
Text
3 BAB II.pdf

Download (840kB) | Preview
[img]
Preview
Text
4 BAB III.pdf

Download (210kB) | Preview
[img]
Preview
Text
5 BAB IV.pdf

Download (865kB) | Preview
[img]
Preview
Text
6 BAB V.pdf

Download (109kB) | Preview
[img]
Preview
Text
7 DAFTAR PUSTAKA.pdf

Download (247kB) | Preview
[img]
Preview
Text
8 LAMPIRAN.pdf

Download (551kB) | Preview
[img] Text
ABSTRAK.docx

Download (48kB)

Abstract

Kanker menjadi penyebab kematian nomor 7 dari seluruh penyebab kematian di Indonesia. Estimasi insiden kanker payudara di Indonesia sebesar 40 per 100.000 perempuan. Jenis kanker tertinggi pasien rawat inap di rumah sakit seluruh Indonesia tahun 2010 adalah kanker payudara yakni 28,7%. Oleh karena itu, diperlukan adanya deteksi dini dan diagnosis payudara. Salah satu cara yakni menggunakan sistem fuzzy. Tujuan dari penelitian ini adalah menerapankan Fuzzy C-Means (FCM) clustering dalam optimasi rule pada sistem fuzzy mamdani untuk diagnosis kanker payudara dan mengetahui keakurasian dari sistem fuzzy tersebut. Penelitian mengenai optimasi rule pada sistem fuzzy dalam mendiagnosis kanker payudara menggunakan FCM clustering, diawali dengan membagi 200 data menjadi 160 data latih dan 40 data uji. Data yang digunakan berdasarkan Wisconsin Diagnostic Breast Cancer. Selanjutnya melakukan clustering dengan menggunakan metode Fuzzy C-Means. Hasil clustering yang berupa pusat cluster selanjutnya digunakan untuk membangun aturan dalam Fuzzy Inference System (FIS) Mamdani. Input yang digunakan terdiri dari 10 variabel yaitu radius, tekstur, perimeter, area, smoothness, compactness, concavity, concave points, symmetry, dan fractal dimension. Variabel output terbagi menjadi dua, yaitu tumor dan kanker. Proses defuzzifikasi menggunakan metode centroid. FIS yang terbentuk dapat digunakan untuk mendiagnosis kanker payudara. Hasil dari penelitian ini memiliki tingkat akurasi sebesar 91% untuk data latih dan tingkat akurasi untuk data uji sebesar 92,5%. Jumlah rule yang digunakan dalam membangun rule sebanyak 10 rules, lebih efisien jika dibandingkan dengan jumlah rule pada table look-up scheme yaitu sebanyak 160 rules.

Item Type: Thesis (S1)
Uncontrolled Keywords: kanker payudara, FCM, sistem fuzzy, dan mamdani
Subjects: Matematika dan Ilmu Pengetahuan Alam > Matematika
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Matematika
Depositing User: Jurusan Pendidikan Matematika
Date Deposited: 04 Oct 2017 02:48
Last Modified: 04 Oct 2017 02:48
URI: http://eprints.uny.ac.id/id/eprint/53042

Actions (login required)

View Item View Item