DETEKSI DINI KANKER PARU DENGAN MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DAN HIGH FREQUENCY EMPHASIS FILTER

Kanker paru merupakan salah satu jenis kanker yang dalam beberapa dekade ini menjadi salah satu penyebab utama kematian pada semua kasus kanker di seluruh dunia. Oleh karena itu, deteksi kanker paru sejak dini perlu dilakukan untuk menekan kasus kematian pada kanker paru. Fuzzy Radial Basis Function Neural Network (FRBFNN) merupakan gabungan model jaringan saraf tiruan dan logika fuzzy yang dapat digunakan untuk mendeteksi dini kanker paru. Penelitian ini bertujuan untuk menjelaskan langkah-langkah pembentukan model FRBFNN dan ketepatan hasil deteksi dini kanker paru menggunakan model FRBFNN. Prosedur awal pembentukan model FRBFNN untuk mendeteksi dini kanker paru adalah preprocessing citra dengan melakukan operasi transformasi menggunakan filter high frequency emphasis dan histogram equalization. Selanjutnya, menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk mengekstrak 14 fitur second order statistical. Dengan melakukan t-test terpilih 5 fitur yang berbeda signifikan yaitu energy, contrast, correlation, inverse difference moment, dan entropy. Selanjutnya, membagi data menjadi 2 bagian yaitu 80% data training dan 20% data testing. Variabel input yang digunakan adalah 5 fiturr hasil ekstraksi metode GLCM dan variabel output adalah diagnosa dari citra radiography. Pada pembelajaran FRBFNN terbagi menjadi 4 tahap, yaitu melakukan fuzzifikasi dari 5 fitur dengan menggunakan fungsi keanggotaan trapesium, menentukan nilai pusat dan jarak dari fungsi aktivasi gaussian dengan menggunakan K-Means clustering, menentukan jumlah neuron pada lapisan tersembunyi, dan menentukan bobot-bobot jaringan dengan menggunakan dua pendekatan yaitu metode Global Ridge Regression dan algoritma Backpropagation. Berdasarkan langkah-langkah pembentukan model FRBFNN untuk mendeteksi dini kanker paru, diperoleh model FRBFNN terbaik dengan 5 neuron pada lapisan input fitur, 15 neuron pada lapisan input fuzzy, 7 neuron serta 1 neuron bias pada lapisan tersembunyi, dan 1 neuron pada lapisan output. Tingkat persentase sensitivitas, spesifisitas, dan akurasi model FRBFNN secara berurutan adalah 88,1%, 100%, 93,75% untuk data training dan 80%, 80%, 80% untuk data testing. Kata Kunci : Kanker Paru, Fuzzy Radial Basis Function Neural Network (FRBFNN), Filter High Frequency Emphasis, Backpropagation, Global Ridge Regression