8
91,07, dan 85,71. Tita Suwening A. 2015 yang membandingkan klasifikasi kanker payudara menggunakan metode Fuzzy C-Means cluster pada model
Recurrent Neuro Fuzzy menghasilkan nilai akurasi 95,83 pada training. Hal-hal yang telah dijelaskan di atas dan cara pengelompokkan yang
berbeda ini melatarbelakangi penulis untuk melakukan penelitian menggunakan metode K-Means clustering dan Fuzzy C-Means clustering pada model Radial
Basis Function untuk mengklasifikasi stadium kanker payudara. Penelitian ini bertujuan untuk mengetahui metode clustering yang lebih efektif digunakan pada
model Radial Basis Function untuk mengklasifikasi stadium kanker payudara dengan menggunakan citra mammogram. Rancangan dan hasil penelitian
dilakukan dengan menggunakan MATLAB R2013a. Penelitian dengan judul “Perbandingan K-Means dan Fuzzy C-Means Clustering pada Model Radial Basis
Function Neural Network RBFNN untu k Klasifikasi Stadium Kanker Payudara”
diharapkan dapat memberikan manfaat di bidang matematika dan bidang kesehatan.
B. Pembatasan Masalah
Untuk menghindari pembahasan yang terlalu luas, batasan-batasan dalam penelitian ini adalah sebagai berikut.
1. Citra mammogram yang diolah dan digunakan sebagai input diperoleh dari
Mamograph Image Analysis Society MIAS. 2.
Model yang digunakan untuk klasifikasi dalam penelitian ini adalah Radial Basis Function Neural Network dengan fungsi aktivasi Gaussian.
9
3. Pembelajaran RBFNN untuk mendapatkan bobot-bobot terbaik dilakukan
dengan bantuan MATLAB R2013a. 4.
Jarak dan pusat cluster pada metode K-Means clustering didapatkan dengan bantuan MINITAB
5. Pusat cluster pada metode Fuzzy C-Means clustering didapatkan dengan
bantuan MATLAB R2013a 6.
Output RBFNN diklasifikasikan menjadi tiga, yaitu normal, tumor benign, dan kanker malignant.
C. Rumusan Masalah
Berdasarkan pada latar belakang maka rumusan masalah dalam penelitian ini dapat dirumuskan sebagai berikut:
1. Bagaimana proses penentuan stadium kanker payudara dengan menggunakan
RBFNN ? 2.
Bagaimana perbandingan ketepatan klasifikasi stadium kanker payudara dengan K-Means dan Fuzzy C-Means clustering pada model RBFNN ?
D. Tujuan Penelitian
Sesuai dengan pokok permasalahan yang telah dirumuskan, maka tujuan penelitian ini adalah:
1. Mendiskripsikan proses penentuan stadium kanker payudara dengan
menggunakan RBFNN.
10
2. Mendiskripsikan hasil perbandingan akurasi stadium kanker payudara dengan
menggunakan K-Means dan Fuzzy C-Means clustering pada model RBFNN.
E. Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini adalah: 1.
Bagi penulis Bagi penulis sendiri, penulisan skripsi ini dapat menambah pengetahuan dan
wawasan tentang aplikasi model RBFNN dan pemrograman MATLAB dalam kehidupan sehari-hari, khususnya dalam bidang kesehatan.
2. Bagi para pembaca
Sebagai salah satu bahan dalam mempelajari model RBFNN dan MATLAB serta diharapkan penelitian ini dapat dijadikan sebagai referensi untuk
penelitian selanjutnya. 3.
Bagi perpustakaan Universitas Negeri Yogyakarta Penulisan skripsi ini juga bermanfaat dalam menambah koleksi bahan pustaka
yang bermanfaat bagi Universitas Negeri Yogyakarta pada umumnya, dan mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam pada khususnya.
11
BAB II KAJIAN TEORI
