Klasifikasi Luka pada Jaringan Payudara Berbasis Spektra Impedansi Listrik Menggunakan Fuzzy k-Nearest Neighbor

Abstrak

Penyakit payudara umumnya terjadi pada wanita dengan insiden penyakit meningkat setiap tahun. Angka kematian pada penderitanya hingga 40% keatas dan cenderung pada wanita muda modern. Karena itu deteksi penyakit payudara dan diagnosis di awal tahap menjadi masalah yang paling penting dalam kedokteran. Keadaan physiopathology jaringan payudara manusia dapat terlihat dengan Electrical Impedance Spectral (EIS) sehingga dapat dilakukan klasifikasi. Tujuan penelitian ini adalah mengklasifikasikan luka pada jaringan payudara dan mengetahui akurasi menggunakan metode Fuzzy k-Nearest Neighbor (FKNN). Dataset berjumlah 105 data, dari dataset UCI-Repository dengan 9 parameter masukan yang didapat dari impedansi listrik meliputi I0, PA500, HFS, DA, AREA, A/DA, MAX IP, DR dan P. Sedangkan keluarannya merupakan kondisi luka payudara yaitu jaringan kelenjar (glandular tissue), jaringan ikat (connective tissue), jaringan adiposa (adipose tissue), mastopathy, fibro­adenoma dan karsinoma (carcinoma). Pengujian FK-NN menghasilkan nilai terbaik yaitu nilai m=2, persentase data training=60% dan k = 3. Hasil metode ini mampu mengklasifikasikan 28 data testing sesuai dengan kelas aktual dan 14 data testing yang tidak sesuai dengan kelas aktualnya dari total 42 data testing. Tingkat akurasinya adalah 66.6666667%.