Article Penggunaan Logika Fuzzy dalam Deteksi Penyakit Kanker Lutviana 1*.
Aimar Yudhistira2 .
Anggit Wirasto3 1,2,3 Informatika.
Universitas Harapan Bangsa.
Purwokerto.
Indonesia Corresponding Author: luthvianna41@gmail.
Abstract: Cancer detection and treatment is a major challenge in global health.
Fuzzy logic has proven to be effective in overcoming uncertainty and ambiguity in medical data to improve the accuracy of cancer diagnosis.
This article presents a review of the application of fuzzy logic in various cancer detection and treatment studies, including its use in the analysis of medical images such as CT scans and MRIs.
Studies show that fuzzy logic not only improves cancer detection accuracy but also reduces the cost and time in the diagnosis process.
The results suggest that a hybrid approach combining fuzzy logic with technologies such as artificial neural networks can significantly improve the efficiency and accuracy of cancer detection Received: 20 Agustus 2024 Revised: 5 September 2024 Accepted: 6 September 2024 Published: 9 September 2024 Copyright: A 2024 by the authors.
License Universitas Harapan Bangsa.
Purwokerto.
Indonesia.
This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license Keywords: Fuzzy logic.
cancer detection.
cancer treatment.
ttps://creativecommons.
org/licenses/by/4.
image analysis.
artificial intelligence Pendahuluan Penyakit kanker merupakan salah satu ancaman terbesar terhadap kesehatan dan kesejahteraan global (Borah et , 2.
, menyebabkan dampak yang serius bagi individu, keluarga, dan masyarakat secara luas.
Dalam sebuah artikel sebelumnya, disebutkan bahwa antara tahun 2000 dan 2016, kanker merupakan penyebab kematian kedua tertinggi di dunia (Alexandre-Silva & Cominetti, 2.
yang menimbulkan beban fisik, emosional, dan keuangan yang signifikan secara global (Ayenigbara, 2.
Proses pengambilan keputusan yang umum dalam KORISA, 2024.
Page 15-32 https://ejournal.
id/index.
php/korisa Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 Page 16 of 32 bidang kedokteran dan kesehatan adalah memprediksi kemungkinan berbagai jenis kanker pada organ tubuh manusia (Bhattacharya & Pal, 2.
Deteksi dini kanker berperan sangat penting dalam meningkatkan tingkat kesembuhan dan kualitas hidup pasien (Pramanik et al.
, 2022.
Shah & Shah, 2.
Namun, proses diagnosa kanker tidak selalu mudah karena kompleksitas dan variasi yang ada dalam gejala penyakit, hasil tes diagnostik, dan faktor risiko yang berkaitan (Rehman et al.
, 2.
Variabilitas ini memunculkan ketidakpastian dalam interpretasi data medis dan membuat proses diagnostik menjadi tantangan yang kompleks (Joshi & Dhar, 2.
Diagnosa kanker biasanya bergantung pada interpretasi subjektif dari hasil tes medis oleh profesional medis.
Namun, metode ini seringkali tidak konsisten dan dapat dipengaruhi oleh elemen manusiawi seperti kelelahan atau bias interpretasi (Fordellone et al.
, 2.
Ketidakmampuan interpretasi dapat menimbulkan masalah layanan kesehatan terkait kepercayaan yang signifikan (Nguyen Thu Hien et al.
, 2.
Oleh karena itu, dibutuhkan metode deteksi kanker yang lebih objektif dan terstandarisasi.
Dalam upaya untuk meningkatkan akurasi dan efektivitas deteksi penyakit kanker, para peneliti dan praktisi medis telah mencari metode baru yang mampu mengatasi kompleksitas dan ketidakpastian yang terkait dengan proses diagnostik tersebut.
Salah satu pendekatan yang menjanjikan dalam mengatasi ketidakpastian dalam diagnosa medis adalah penggunaan logika fuzzy (Salem et al.
, 2.
Logika fuzzy adalah suatu metode yang memungkinkan representasi dan penanganan dari ketidakpastian dan kesamaran dalam data (Synchez et al.
, 2.
Dalam bidang biomedis, logika fuzzy juga telah digunakan untuk memperkirakan tingkat kelangsungan hidup pasien kanker setelah perawatan yang diberikan (Dubey et al.
Jaringan saraf fuzzy (FNN) juga digunakan dalam pengembangan model hibrida untuk memprediksi kecocokan pasien terhadap pengobatan yang diberikan (Junio Guimaryes et al.
, 2.
Teknologi hibrida AI dapat mengobjektifikasi dan meningkatkan akurasi hasil diagnostik endosonografi (Korenevskiy et al.
, 2.
Dengan memperkenalkan konsep-konsep seperti "sedikit", "cukup", dan "banyak", logika fuzzy dapat menggambarkan tingkat kepastian yang lebih akurat dalam suatu situasi daripada logika biner konvensional (Boadh.
Grover, et al.
Konsep utama dalam logika fuzzy adalah penggunaan variabel linguistik dan aturan fuzzy, yang memungkinkan representasi dari hubungan yang kompleks antara gejala penyakit dan diagnosisnya.
Dengan demikian, logika fuzzy memungkinkan interpretasi hasil yang tidak pasti dengan memberikan tingkat kepercayaan atau probabilitas terkait (Sweidan et al.
, 2.
Misalnya, dalam kasus dimana hasil tes diagnostik tidak memberikan jawaban yang pasti terkait dengan keberadaan kanker, logika fuzzy dapat memberikan penilaian tentang seberapa mungkin kemungkinan kanker tersebut berdasarkan tingkat keparahan gejala dan faktor risiko yang KORISA 2024.
Page 15 - 32 https://ejournal.
id/index.
php/korisa Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 Page 17 of 32 Meskipun telah ada beberapa penelitian dan aplikasi yang melibatkan logika fuzzy dalam deteksi penyakit kanker, diperlukan adanya tinjauan literatur sistematis yang menyeluruh tentang topik ini.
Tinjauan literatur sistematis (SLR) merupakan metode yang kuat untuk mengumpulkan, mengevaluasi, dan menyintesis informasi dari berbagai sumber literatur ilmiah.
Oleh karena itu, paper ini menggunakan metode SLR untuk mengeksplorasi penggunaan logika fuzzy dalam deteksi penyakit kanker.
Paper ini dibuat dengan tujuan untuk memberikan pemahaman yang mendalam tentang kontribusi logika fuzzy dalam proses deteksi kanker, serta menyediakan wawasan yang berharga bagi peneliti, praktisi medis, dan pengambil keputusan dalam upaya meningkatkan efektivitas diagnosis kanker.
Dengan demikian, diharapkan paper ini akan memberikan kontribusi yang signifikan bagi pemahaman dan pengembangan lebih lanjut dalam bidang deteksi penyakit kanker menggunakan pendekatan logika fuzzy.
Materials and Methods Sub Materials Sistematic Literature Review (SLR) adalah metodologi yang digunakan untuk mensintesis data yang sudah dipublikasikan dan berhubungan dengan publikasi sebelumnya (Kraus et al.
, 2.
Selain memiliki metodologi yang transparan.
SLR mengurutkan literatur berdasarkan kualitasnya dan biasanya mengikuti pertanyaan penelitian dengan tujuan menemukan jawaban terbaik.
SLR membuat kesimpulan dan menunjukkan pengetahuannya tentang subjek penelitian.
Proses tinjauan sistematis mencakup pencarian literatur secara Ini mencakup penyelidikan studi yang sistematis dan tujuan untuk membuat laporan yang jelas tentang identifikasi studi yang dilakukan, memberi pembaca pemahaman yang jelas tentang proses identifikasi studi, dan menjelaskan bagaimana temuan tinjauan tersebut disesuaikan dengan bukti yang relevan (Cooper et , 2.
Beberapa basis data digunakan dalam melakukan pencarian literatur, termasuk ScienceDirect sebesar 52%.
Springer sebesar 38%.
Scholar sebesar 6%, dan lainnya sebesar 4%.
Pencarian literatur dilakukan dengan penggunaan kata kunci yang relevan, seperti "Fuzzy Logic", "Cancer Disease", dan "Cancer Detection".
Metode ini dimaksudkan untuk memastikan bahwa penelitian yang relevan dan mutakhir ditemukan untuk penelitian Pertanyaan Penelitian Daftar pertanyaan penelitian dibuat berdasarkan kebutuhan penelitian tentang subjek yang dibahas.
Berikut adalah daftar pertanyaan penelitian dalam Literature Review ini.
RQ 1.
Bagaimana logika fuzzy dapat mengatasi ketidakpastian dan ambiguitas dalam data medis untuk mendeteksi kanker? KORISA 2024.
Page 15 - 32 https://ejournal.
id/index.
php/korisa Page 18 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 RQ 2.
Bagaimana penerapan logika fuzzy dalam analisis gambar medis .
eperti CT scan.
MRI) untuk mendeteksi keberadaan kanker? RQ 3.
Bagaimana model hibrida yang menggabungkan logika fuzzy dan jaringan saraf buatan dapat meningkatkan akurasi dan efisiensi deteksi kanker? RQ 4.
Bagaimana efektivitas logika fuzzy dalam mendeteksi berbagai jenis kanker dibandingkan dengan metode diagnostik tradisional? RQ 5.
Apakah penggunaan logika fuzzy dapat mengurangi waktu dan biaya dalam proses deteksi dini Tinjauan Pustaka Judul Early detection of melanoma skin cancer: A hybrid approach using fuzzy Cmeans clustering and evolution-based neural network Penulis Sreedhar Burada.
Manjunaths wamy.
Sunil Kumar .
Hasil Studi ini mengusulkan pendekatan hibrida untuk deteksi dini kanker kulit melanoma dengan akurasi 91%, lebih tinggi dari metode tradisional.
Metode ini melibatkan pengelompokan Fuzzy C-Means, ekstraksi fitur GLCM dan LBP, serta penggunaan DECNN.
Metode DE-CNN ini berhasil mengungguli SVM.
CNN, dan NN dalam klasifikasi gambar kanker kulit.
Penelitian mendatang dapat memperluas metode ini ke penyakit kulit Kelebihan Penelitian ini kelebihan dalam hibrida yang fuzzy C-means dan jaringan saraf berbasis evolusi diferensial untuk deteksi dini kanker kulit dengan akurasi tinggi 91%, melebihi metode Metode ini juga sistem deteksi kanker kulit otomatis untuk diagnosis yang tepat waktu.
Adaptive Neuro Fuzzy Inference System based classifier in Pooja Shah.
Trupti Shah Studi ini mengusulkan model hibrida ANFIS dengan algoritma Relief Novel untuk Penelitian ini kelebihan dalam KORISA 2024.
Page 15 - 32 Kekurangan Salah satu penelitian ini bahwa tidak secara rinci data spesifik dari pasar atau data riil an dan model yang Hal ini dapat model untuk dengan baik dunia nyata.
Penelitian ini n secara https://ejournal.
id/index.
php/korisa Page 19 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 diagnosis of breast cancer A TakagiAe Sugeno fuzzy controller for cancer cells with application to KORISA 2024.
Page 15 - 32 Priya Dubey.
Surendra Kumar.
Subhendu Kumar Behera.
Sudhansu Kumar Mishra pemilihan fitur dalam klasifikasi kanker Model ini dievaluasi pada Wisconsin Breast Cancer Data set dan mencapai akurasi Algoritma Relief yang dimodifikasi mengatasi pencilan, nilai yang hilang, dan menggunakan jarak Mahalanobis.
Model yang diusulkan unggul dalam akurasi, sensitivitas, dan presisi dibandingkan metode Data set yang digunakan tersedia secara publik di UCI Machine Learning Repository.
Penelitian ini didukung oleh Universitas Maharaja Sayajirao of Baroda dalam Program DSTPURSE Fase-II.
Penelitian ini mengusulkan terapi adaptif untuk pengobatan kanker prostat guna mengurangi waktu meningkatkan hasil pasien, dan mengurangi resistensi Metode matematis dan desain pengontrol dibahas dengan fokus pada mengurangi toksisitas dan meningkatkan perawatan berbasis Penelitian ini berkontribusi pada peningkatan hasil pengobatan kanker dan perawatan pasien melalui sistem kontrol canggih dan strategi model hibrida ANFIS dengan algoritma Relief Novel untuk pemilihan fitur dalam klasifikasi kanker payudara, yang mencapai akurasi tinggi Model ini juga unggul dalam sensitivitas, dan metode lain.
rinci tentang atau batasan dari model
ANFIS
Relief Novel Penelitian ini kelebihan dalam terapi adaptif kanker prostat yang dapat hasil pasien, dan resistensi obat.
Metode kontrol canggih dan strategi dosis adaptif yang diusulkan dapat hasil pengobatan kanker dan Penelitian ini n secara rinci tentang potensi efek atau risiko adaptif yang Selain itu, tidak ada mengenai uji klinis atau https://ejournal.
id/index.
php/korisa Page 20 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 Segmentation of skin cancer using Fuzzy Unetwork via deep learning Bindhu.
Thanammal .
Breast Cancer Images Segmentation using Fuzzy Cellular Automaton IuliaAndreea Iona.
Cristiana MorozDubencoa.
Anca Andreicaa Adaptive fuzzy design of drug dosage using Hossein Naderi.
Mohammad KORISA 2024.
Page 15 - 32 dosis adaptif.
perawatan pasien secara personal.
Penelitian ini mengusulkan model MFO-Fuzzy U-net baru untuk segmentasi gambar kanker kulit menggunakan deep Model tersebut berhasil mengungguli model deep learning tradisional dalam hal akurasi, spesifisitas, presisi, recall, dan skor F1.
Metode ini peningkatan signifikan dalam akurasi dibandingkan dengan model yang sudah ada.
Studi ini mengusulkan pendekatan Fuzzy Cellular Automaton untuk segmentasi mamografi guna identifikasi jaringan Hasil menunjukkan kinerja lebih baik dibandingkan hanya menggunakan Cellular Automaton, dengan akurasi 98% dan presisi yang Penelitian ini kelebihan dalam model MFOFuzzy U-net baru yang berhasil gambar kanker dengan model deep learning tradisional yang sudah ada.
dari metode Kekurangan penelitian ini Penelitian ini kelebihan dalam Fuzzy Cellular Automaton untuk mamografi, yang jaringan kanker dan presisi deteksi, serta memberikan hasil yang lebih baik dan dapat untuk deteksi kanker payudara.
Kelebihan penelitian ini Penelitian ini n secara data latih atau validasi Fuzzy Cellular Automaton Kelemahan penelitian ini adalah tidak Studi ini model pengobatan kanker menggunakan https://ejournal.
id/index.
php/korisa Page 21 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 trajectories in a herapy cancer treatment model Mehrabi.
Mohammad Taghi Ahmadian .
kombinasi imunoterapi dan kemoterapi.
Hasilnya menunjukkan bahwa kombinasi ketiga metode .
munoterapi, kemoterapi, dan suntikan IL-.
paling efektif dalam menghilangkan sel Kombinasi pengobatan diperlukan untuk eradicasi tumor yang lengkap, terutama untuk jumlah sel kanker awal yang Deep Learning Fuzzy Inference An Interpretable Model for Detecting Indirect Immunofluoresc ence Patterns Associated with Nasopharyngeal Cancer Sudipta Samanta.
Muthukarup Swaminatha Jianing Hu.
Khai Tuck Lee Cancerous cell viability affected by synergism between electric Salim Mirshahi.
Behzad Vahedi.
Studi ini model inferensi fuzzy deep learning.
DeLFI, untuk mendeteksi pola imunofluoresensi tidak langsung yang terkait dengan kanker DeLFI berhasil mencapai tingkat kesepakatan tinggi dengan ahli manusia dan melampaui evaluasi manusia dalam validasi Kombinasi deep learning dengan inferensi fuzzy skalabilitas dan akurasi deteksi NPC.
Studi tersebut menunjukkan bahwa nanopartikel perak dan KORISA 2024.
Page 15 - 32 kanker yang kemoterapi, dan suntikan IL-2 yang terbukti paling efektif sel kanker.
Penelitian ini juga kontrol dosis obat yang optimal kanker dan logika fuzzy dalam estimasi Penelitian ini bahwa model DeLFI berhasil sensitivitas dalam gambar IFA, serta output kuantitatif yang presisi dengan berbagai skenario klinis.
penelitian ini dan tidak bersaing dari Kelebihan penelitian ini Kelemahan penelitian ini jumlah data Penelitian ini yang jelas mungkin ada dalam model fuzzy deep https://ejournal.
id/index.
php/korisa Page 22 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 pulses and a low dose of silver nanoparticle: An adaptive neurofuzzy inference Kiarash Aryana.
Ameneh Sazgarnia An efficent breast cancer model using filtering and neural network Abdul Hayum1.
Jaya.
Sivakumar.
Paulchamy .
Deviation-suppo Nikhilanand KORISA 2024.
Page 15 - 32 penurunan signifikan dalam viabilitas sel dibandingkan dengan perlakuan individu.
Model sistem inferensi neuro-fuzzy adaptif digunakan untuk memprediksi viabilitas sel berdasarkan spesifikasi pulsa.
Model tersebut menunjukkan korelasi yang baik dengan data eksperimental, dengan nilai R2 sebesar 88%.
Secara keseluruhan, studi tersebut menyarankan bahwa nanopartikel perak dan elektroporasi dapat meningkatkan efek pulsa listrik pada sel.
Studi ini membahas berbagai metode dan teknik untuk deteksi dan klasifikasi kanker menggunakan deep learning dan convolutional neural Modelmodel yang diusulkan mencapai akurasi tinggi dalam jenis kanker payudara.
Beberapa teknik pemrosesan citra seperti bilateral filtering, segmentasi ROI, ekstraksi fitur, dimensionalitas, dan pemilihan fitur juga dibahas dalam penelitian ini.
Studi ini mengusulkan perak dan yang berhasil signifikan dalam viabilitas sel dengan perlakuan individu, serta model sistem inferensi neurofuzzy adaptif yang dapat viabilitas sel dengan baik spesifikasi pulsa.
Penelitian ini kelebihan dalam model klasifikasi kanker payudara yang efisien teknik bilateral filtering dan jaringan saraf konvolusi fuzzy.
Model ini mencapai akurasi dengan modelmodel yang sudah ada, serta tantangan dalam proses klasifikasi kanker payudara.
Penelitian ini Penelitian ini Improved Cuckoo Search Optimization (ICSO) yang dan rendah Kelemahan https://ejournal.
id/index.
php/korisa Page 23 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 rt based fuzzy ensemble of multi-modal deep learning classifiers for breast cancer Arya.
Sriparna Saha pendekatan ensemble untuk analisis survival kanker payudara menggunakan data metilasi, yang meningkatkan akurasi Teknik ini dapat diterapkan di berbagai bidang dan berpotensi mengubah deteksi dini dan pengobatan kanker payudara, serta kelebihan dalam akurasi prediksi prognosis kanker ensemble yang inovatif dan lebih dengan metode individual dan ensemble yang sudah ada.
Breast cancer prognosis using the graph network with Choquet fuzzy Susmita Palmal.
Nikhilanand Arya.
Sriparna Saha.
SomanathTr ipathy .
Studi ini mengusulkan model ChoqFuzGCN yang berhasil dalam kelangsungan hidup kanker payudara menggunakan data multi-omics.
Model ini menunjukkan kinerja yang lebih baik daripada metode dan klasifikasi terkini, dengan akurasi, koefisien korelasi Matthews, presisi, spesifisitas, akurasi seimbang, dan F1Measure yang lebih Hasil penelitian menyarankan bahwa ChoqFuzGCN adalah pendekatan yang efektif untuk kelangsungan hidup kanker payudara.
Machine Grahovac.
Studi ini Penelitian ini kelebihan dalam ChoqFuzGCN yang mampu hidup kanker payudara dengan akurasi dan kinerja yang lebih baik daripada metode dan klasifikasi terkini Model ini potensi untuk digunakan dalam penyakit lainnya dan memberikan akses dataset dan kode sumber untuk penelitian lebih lanjut.
Kelebihan penelitian ini KORISA 2024.
Page 15 - 32 penelitian ini skor prediksi berbeda dari serta tidak Kelemahan penelitian ini gen penting selama tahap fitur dan n sensitivitas data yang Kelemahan penelitian ini https://ejournal.
id/index.
php/korisa Page 24 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 evaluation of and fuzzy radiomics in clinical cancer imaging cohorts Spielvogel.
Krajnc.
Ecsedi.
Traub-Weidi .
kinerja model pembelajaran mesin konvensional dan fuzzy radiomics dalam kohor citra kanker.
Fuzzy radiomics, yang ketidakpastian dalam keanggotaan voxel, lebih unggul daripada konvensional dalam memprediksi titik akhir klinis di semua Fuzzy radiomics juga mengurangi kelebihan fitur dan menunjukkan potensi untuk meningkatkan kinerja prediktif, terutama dalam ukuran lesi kecil.
adalah menyoroti fuzzy radiomics dalam studi citra kanker, yang voxel dan kinerja prediktif terutama pada lesi kecil.
Studi ini wawasan baru mesin untuk analisis citra kanker di masa Deep transfer learning with fuzzy ensemble approach for the early detection of breast cancer Sannasi Chakravarth y.
Bharanidhar an.
Vinoth Kumar.
Mahesh Studi ini berfokus pada klasifikasi kanker menggunakan gambar mamogram dan model transfer learning.
Pendekatan yang diusulkan mencapai akurasi keseluruhan tinggi sebesar 98.
dengan menggunakan ResNet50 dan Fuzzy Ranking Ensemble.
Metode ini berhasil pendekatan ensemble lainnya dan diharapkan dapat meningkatkan akurasi klasifikasi tumor Penelitian ini kelebihan dalam fokus pada deteksi dini kanker payudara mamogram dan model deep Pendekatan fuzzy ensemble yang mencapai akurasi klasifikasi yang tinggi, yaitu 986%, dan ensemble lainnya.
KORISA 2024.
Page 15 - 32 klinis nyata pada pasien Meskipun asikan dan secara luas klinis sejauh Penelitian ini n secara rinci tentang batasan dari model yang https://ejournal.
id/index.
php/korisa Page 25 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 study for modalities for blood cancer in a Fermatean fuzzy dynamic Dilshad Alghazzawi.
Aqsa Noor.
Hanan Alolaiyan.
Hamiden Abd El-Wahed Khalifa Hasil penelitian ini modalitas pengobatan optimal untuk kanker darah, khususnya leukemia limfoblastik akut (LLA), menggunakan teori himpunan kabur Fermatean.
Studi ini bertujuan untuk mengisi kesenjangan dalam literatur mengenai data yang himpunan kabur Fermatean dan menyediakan metode yang dapat diandalkan dan konsisten untuk memilih modalitas pengobatan optimal untuk kanker darah.
Enhancing reduction of vagueness using fuzzy OWL-2 for of breast cancer Olaide N.
Oyelade1.
Absalom E.
Ezugwu1.
Sunday A.
Adewuyi .
Hasil penelitian ini menunjukkan bahwa pendekatan logika fuzzy dapat digunakan untuk mengurangi ketidakjelasan dalam ontologi kanker Hasil evaluasi menunjukkan bahwa sejumlah besar ketidakjelasan telah dihilangkan dari ontologi tersebut.
Selain itu, penelitian ini KORISA 2024.
Page 15 - 32 Metode ini diharapkan dapat akurasi klasifikasi tumor payudara.
Kelebihan dari penelitian ini adalah efektivitas kanker secara cepat, durasi pengobatan yang lebih singkat untuk proses terapeutik yang lebih efisien, serta penggunaan sel CAR T yang imunologis dalam tubuh pasien memusnahkan sel kanker saat terjadi kambuh Penelitian ini kelebihan dalam kerangka kerja Fuzzy OWL-2 pada ontologi yang tajam.
Selain itu, penelitian ini juga berhasil Kelemahan penelitian ini Fermatean fuzzy set (FFS) dalam situasi di mana jumlah kubik derajat dan nonkeanggotaan melebihi 1, kasus-kasus fuzzy bola dan gambar Kelemahan penelitian ini yang jelas variabel pi https://ejournal.
id/index.
php/korisa Page 26 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 juga menghasilkan metrik ontologi yang peningkatan kinerja yang mengesankan.
kekaburan dalam ontologi kanker payudara, yang penting dalam tentang diagnosis kanker payudara.
oleh Ivanova.
Hal ini n kesulitan Hasil dan Diskusi Hasil Penelitian-penelitian terdahulu menunjukkan bahwa logika fuzzy telah banyak digunakan dalam berbagai deteksi penyakit kanker.
Sebuah artikel terdahulu (Korenevskiy et al.
, 2.
, menunjukkan bahwa penerapan logika fuzzy dengan ultrasonografi endoskopi yang didasarkan pada analisis sifat kontur formasi terbukti meningkatkan kualitas diagnosis kelainan atau abnormalitas pankreas, termasuk kanker pankreas.
Hasil penelitian dari (Amini et al.
, 2.
juga menunjukkan bahwa logika fuzzy dengan metode Fuzzy Information Granulation (FIG) dapat menjadi alternatif inovatif untuk mengklasifikasikan nodul jinak dan ganas dalam gambar Computerized Tomography (CT).
Rahul Boadh (Boadh.
Aarya, et al.
, 2.
menggunakan logika fuzzy dalam pengembangan sebuah sistem deteksi risiko kanker prostat, yang metode Mamdani yang digunakan untuk mengevaluasi dan menganalisis PCR.
Hasil yang didapatkan menunjukkan bahwa sistem Fuzzy Inference System (FIS) yang dikembangkan dapat memberikan kontribusi untuk meningkatkan efisiensi dalam mengidentifikasi berbagai jenis kanker, serta dapat mengurangi biaya perawatan pasien.
Dalam beberapa kasus.
FIS telah digunakan untuk membuat sistem pakar untuk mendiagnosis stadium kanker dan menjadwalkan pengobatan yang tepat.
Selain diterapkan dalam deteksi penyakit kanker, dalam sebuah paper oleh (Faisal et al.
, 2.
disebutkan logika fuzzy juga diterapkan dalam pengobatan kanker, yaitu optimasi penjadwalan dosis obat kemoterapi untuk meminimalkan toksisitas.
Kanker adalah penyakit yang ditandai dengan pertumbuhan sel yang tidak terkendali akibat mutasi genetik, yang menyebabkan terbentuknya tumor jinak atau ganas dan berpotensi menyebar ke bagian tubuh lain.
Kanker merupakan penyakit tidak menular dengan berbagai jenis, seperti kanker payudara, paru-paru, usus besar, rektum, dan prostat.
Faktor gaya hidup dan infeksi virus dapat berkontribusi terhadap perkembangannya .
KORISA 2024.
Page 15 - 32 https://ejournal.
id/index.
php/korisa Page 27 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 Kanker menjadi masalah kesehatan global yang umum dan telah diklasifikasikan menjadi lebih dari 200 jenis berdasarkan asal usulnya (AuAn Overview of Cancer,Ay 2.
Logika Fuzzy adalah alat matematis yang digunakan untuk merepresentasikan data berdasarkan tingkat keanggotaannya, mengatasi ketidakpastian, dan ambiguitas.
Berbeda dengan logika biner, variabel dalam logika fuzzy memiliki nilai kebenaran di antara 0 dan 1.
Logika fuzzy digunakan dalam berbagai aplikasi seperti sistem kontrol dan kecerdasan buatan untuk meniru penalaran manusia (Dhawan et al.
, 2.
Penelitian terdahulu menunjukkan bahwa logika fuzzy telah banyak digunakan dalam berbagai deteksi penyakit Sebuah artikel menunjukkan bahwa penerapan logika fuzzy dengan ultrasonografi endoskopi yang didasarkan pada analisis sifat kontur formasi dapat meningkatkan kualitas diagnosis kelainan atau abnormalitas pankreas, termasuk kanker pankreas (Korenevskiy et al.
, 2.
Penelitian lain menunjukkan bahwa logika fuzzy dengan metode Fuzzy Information Granulation (FIG) dapat menjadi alternatif inovatif untuk mengklasifikasikan nodul jinak dan ganas dalam gambar Computerized Tomography (CT) (Amini et al.
, 2.
Rahul Boadh menggunakan logika fuzzy dalam pengembangan sistem deteksi risiko kanker prostat, di mana metode Mamdani digunakan untuk mengevaluasi dan menganalisis PCR.
Hasilnya menunjukkan bahwa sistem Fuzzy Inference System (FIS) yang dikembangkan dapat meningkatkan efisiensi dalam mengidentifikasi berbagai jenis kanker dan mengurangi biaya perawatan pasien (Boadh.
Aarya, et al.
, 2.
Selain itu, dalam beberapa kasus.
FIS telah digunakan untuk membuat sistem pakar yang dapat mendiagnosis stadium kanker dan menjadwalkan pengobatan yang tepat.
Selain diterapkan dalam deteksi penyakit kanker, logika fuzzy juga diterapkan dalam pengobatan kanker, seperti optimasi penjadwalan dosis obat kemoterapi untuk meminimalkan toksisitas (Faisal et al.
, 2.
Berdasarkan tinjauan beberapa paper dalam tabel yang menunjukkan sejumlah penelitian yang mengusulkan pendekatan menggunakan logika fuzzy dalam deteksi dan pengobatan kanker, dapat diambil kesimpulan bahwa beberapa penelitian menonjol dengan keberhasilannya dalam meningkatkan akurasi dan efektivitas diagnosis Misalnya, studi yang mengusulkan pendekatan hibrida menggunakan ANFIS dan algoritma Relief Novel untuk klasifikasi kanker payudara mencapai akurasi yang sangat tinggi sebesar 99.
Demikian pula, penelitian yang mengembangkan model pengobatan kanker prostat dengan terapi adaptif menyoroti pentingnya kontrol dosis obat yang optimal dan strategi dosis adaptif untuk meningkatkan hasil pengobatan.
Namun, beberapa kelemahan juga teridentifikasi dalam penelitian tersebut.
Beberapa penelitian tidak memberikan detail yang memadai tentang potensi kelemahan atau batasan dari pendekatan yang diusulkan.
Selain itu, ada kekurangan dalam beberapa penelitian yang tidak mencakup analisis terhadap pengaruh parameter tertentu terhadap kinerja model yang diajukan, atau kurangnya informasi tentang potensi efek samping atau risiko yang mungkin terjadi KORISA 2024.
Page 15 - 32 https://ejournal.
id/index.
php/korisa Page 28 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 akibat penggunaan terapi atau model yang diusulkan.
Meskipun demikian, secara keseluruhan penelitianpenelitian tersebut memberikan kontribusi yang berharga dalam pengembangan teknologi deteksi dan pengobatan kanker dengan memanfaatkan logika fuzzy.
Diskusi Pada bagian ini kami akan memaparkan beberapa penjelasan dari pertanyaan penelitian yang telah ditentukan.
RQ1.
Bagaimana logika fuzzy dapat mengatasi ketidakpastian dan ambiguitas dalam data medis untuk mendeteksi kanker? Logika fuzzy sangat efektif dalam konteks data medis untuk deteksi kanker karena variasi antar individu, ketidakpastian diagnosis, dan kualitas gambar yang berbeda.
Dengan menggunakan logika fuzzy, tingkat keanggotaan data dapat direpresentasikan dalam kategori yang tidak biner .
eperti "mungkin kanker" atau "sedikit mungkin kanker"), yang membantu memberikan interpretasi yang lebih fleksibel dan masuk akal (Patira & Kumar Gupta, 2.
Ini memungkinkan sistem deteksi kanker berbasis logika fuzzy untuk menangani ketidakpastian diagnosis dengan memberikan probabilitas atau derajat keanggotaan pada berbagai kondisi kesehatan.
Pada akhirnya, ini meningkatkan keandalan dan akurasi deteksi (Bandopadhyay & Phadke, 2.
RQ2.
Bagaimana penerapan logika fuzzy dalam analisis gambar medis .
eperti CT scan.
MRI) untuk mendeteksi keberadaan kanker? Logika fuzzy digunakan dalam analisis gambar medis seperti CT scan dan MRI untuk menangani variasi yang muncul dari intensitas piksel dan tekstur jaringan, yang seringkali tidak konsisten dan ambigu.
Dengan menganalisis derajat keanggotaan piksel terhadap beberapa kelas, seperti jaringan sehat atau tumor, teknik fuzzy segmentation membantu memisahkan area yang mencurigakan dari jaringan normal (Sotirov et al.
Metode ini dengan lebih baik mendeteksi keberadaan kanker dengan sensitivitas dan spesifisitas daripada metode biner konvensional, yang cenderung gagal dalam menangani variasi dan gangguan dalam gambar Dengan menggunakan logika fuzzy dalam analisis gambar medis, area yang terkena kanker dapat diidentifikasi dan diklasifikasikan dengan lebih efisien dan akurat (Fordellone et al.
, 2.
RQ3.
Bagaimana model hibrida yang menggabungkan logika fuzzy dan jaringan saraf buatan dapat meningkatkan akurasi dan efisiensi deteksi kanker? Model hibrida yang menggabungkan logika fuzzy dan jaringan saraf buatan juga dikenal sebagai neural networks dengan menggabungkan kelebihan dari kedua teknologi ini untuk menawarkan pendekatan yang lebih baik untuk deteksi kanker.
Jaringan saraf buatan menawarkan kemampuan belajar yang kuat dari data KORISA 2024.
Page 15 - 32 https://ejournal.
id/index.
php/korisa Page 29 of 32 Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 yang besar dan kompleks, sementara logika fuzzy menawarkan mekanisme untuk menangani ketidakpastian dan interpretasi data yang ambigu (Voumik et al.
, 2.
Kombinasi ini memungkinkan model hibrida untuk lebih adaptif dan akurat dalam mengenali pola kanker dengan memanfaatkan informasi yang sudah ada dan memproses data baru dengan lebih cepat dan efisien.
Akibatnya, model hibrida meningkatkan akurasi diagnosis kanker dan efisiensi proses deteksi kanker, menjadikannya alat yang sangat efektif dalam bidang kesehatan (Babichev et al.
, 2.
RQ4.
Bagaimana efektivitas logika fuzzy dalam mendeteksi berbagai jenis kanker dibandingkan dengan metode diagnostik tradisional? Logika fuzzy terbukti sangat efektif dalam mendeteksi berbagai jenis kanker, terutama jika dibandingkan dengan metode diagnostik konvensional.
Metode konvensional sering kali bergantung pada batasan biner yang tidak fleksibel, yang dapat mengabaikan data yang tidak pasti atau ambigu (Khalsan et al.
, 2.
Logika fuzzy, di sisi lain, memungkinkan penggunaan informasi yang tidak jelas atau parsial dengan lebih baik dengan menginterpretasikan data berdasarkan tingkat keanggotaan dan probabilitas, yang memungkinkan diagnosis yang lebih akurat dan informatif.
Studi menunjukkan bahwa, dibandingkan dengan metode tradisional seperti evaluasi klinis atau pencitraan standar, sistem berbasis logika fuzzy dapat meningkatkan akurasi deteksi secara signifikan (Titaley, 2.
RQ5.
Apakah penggunaan logika fuzzy dapat mengurangi waktu dan biaya dalam proses deteksi dini kanker? Dalam deteksi dini kanker, logika fuzzy dapat secara signifikan mengurangi waktu dan biaya proses Sistem berbasis logika fuzzy dapat menganalisis gambar dan data medis dengan lebih cepat dan membuat keputusan cepat tentang kemungkinan kanker.
Ini mempercepat proses diagnosis dan pengobatan lanjutan (Orazayeva et al.
, 2.
Selain itu, sistem ini mengurangi kebutuhan untuk tes lanjutan atau intervensi yang seringkali mahal karena mereka dapat memproses dan menginterpretasikan data yang tidak pasti dan ambigu dengan lebih efisien.
Jadi, logika fuzzy membantu menyediakan solusi deteksi dini kanker yang lebih murah dan lebih singkat.
Pada akhirnya, ini akan membantu meningkatkan kesehatan masyarakat dan efisiensi sistem kesehatan (Yalcinkaya & Erbas, 2.
KORISA 2024.
Page 15 - 32 https://ejournal.
id/index.
php/korisa Jurnal Kolaborasi Riset Sarjana.
Vol.
1 No.
1 Tahun 2024 Page 30 of 32 Kesimpulan Penelitian ini menegaskan bahwa logika fuzzy memberikan kontribusi yang berharga dalam pengembangan teknologi deteksi dan pengobatan kanker.
Dibandingkan dengan metode konvensional, logika fuzzy mampu mengatasi ketidakpastian dalam diagnosa kanker dengan lebih baik, meningkatkan akurasi diagnosis, dan mengurangi biaya serta waktu dalam proses deteksi dini.
Penggunaan logika fuzzy dalam analisis gambar medis seperti CT scan dan MRI telah terbukti efektif dalam memisahkan area yang mencurigakan dari jaringan normal, memungkinkan deteksi kanker dengan sensitivitas dan spesifisitas yang lebih baik.
Selain itu, integrasi logika fuzzy dengan teknologi jaringan saraf buatan menunjukkan potensi besar dalam meningkatkan efisiensi sistem deteksi kanker di masa depan.
Dengan demikian, penelitian ini mendorong untuk terus mengembangkan aplikasi
logika fuzzy dalam konteks kesehatan untuk meningkatkan kualitas diagnosis dan pengobatan kanker secara Daftar Pustaka