Melola Discovery

← Melola Discovery

Jurnal SINTA 1

Lung Cancer Detection Using a Modified Convolutional Neural Network (CNN)

INDONESIAN JOURNAL OF APPLIED PHYSICS · Vol. 14 No. 1 (2024) · hlm. 52–62

DOI
10.13057/ijap.v14i1.77032
ISSN
2477-6416, 2089-0133
Terbit
2024-05-02
Penerbit
Department of Physics, Sebelas Maret University
Bahasa
eng

Abstrak

Image processing is used to classify lung images with malignant or normal nodules. The Convolutional Neural Network (CNN) method is often used to classify images. This study uses a modified CNN architecture with various layers, filters, batch size, dropout, and epoch values. Variations were made to determine the best accuracy value and reduce the overfitting value of the proposed CNN architecture. This study implements the method using the Keras library with the Python programming language. The data is in the form of CT-Scan images of lung cancer and normal lungs. The results of several experiments from the proposed model produce an accuracy value of 95% using three layers, 128 filters on the first layer, 256 on the second layer, and 512 filters on the third layer, then with 32 batch sizes, 0.5 dropout.

Kata kunci

Jaringan kolaborasi para penulis

34 penulis · 92 tautan kepenulisan bersama · 5 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Sebelas Maret University
  • Diponegoro University
  • Cenderawasih University
  • Lampung University
  • Yogyakarta State University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Fuad AnwarSebelas Maret University5
Soeparmi SoeparmiAfiliasi tidak diketahui3
Sorja KoesumaAfiliasi tidak diketahui2
Delta Nur SeptianingsihAfiliasi tidak diketahui2
Tonang Dwi ArdyantoAfiliasi tidak diketahui2
Resta Farits PradanaAfiliasi tidak diketahui2
Hardo Ardiansyah Gilang PermadiAfiliasi tidak diketahui2
Nanda Astika DeviSebelas Maret University1
Adnan CindyanaDiponegoro University1
Lukmaniyah Rizky AmaliaAfiliasi tidak diketahui1
Suharno SuharnoCenderawasih University1
Nanang WiyonoAfiliasi tidak diketahui1
Nuryani NuryaniAfiliasi tidak diketahui1
Budi PurnamaAfiliasi tidak diketahui1
Yusuf Anggara AjiAfiliasi tidak diketahui1
Utari UtariAfiliasi tidak diketahui1
Riyatun RiyatunAfiliasi tidak diketahui1
Dwi Teguh RaharjoAfiliasi tidak diketahui1
Egyn Furqon GhozaliAfiliasi tidak diketahui1
Nuryani NAfiliasi tidak diketahui1
Esti SuryaniSebelas Maret University1
Rizka Dewi MeilinaAfiliasi tidak diketahui1
Ahmad MarzukiAfiliasi tidak diketahui1
Arrini Nurul MAfiliasi tidak diketahui1
Hastho WuriatmoAfiliasi tidak diketahui1
Jarot PurnomoAfiliasi tidak diketahui1
Viyanti ViyantiLampung University1
Zuhdan Kun PrasetyoYogyakarta State University1
Hervin MaulinaAfiliasi tidak diketahui1
A. SuparmiAfiliasi tidak diketahui1
Luthfiya Kurnia PermatahatiAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jurnal.uns.ac.id/ijap/oai, pertama di-harvest 8 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Lung Cancer Detection Using a Modified Convolutional Neural Network (CNN)</dc:title>
	<dc:creator>Cari, Cari</dc:creator>
	<dc:creator>Yunianto, Mohtar</dc:creator>
	<dc:creator>Rahmah, Aisyah Ajibah</dc:creator>
	<dc:subject xml:lang="en-US">lung cancer; detection; CT-Scan; python; convolutional neural network</dc:subject>
	<dc:description xml:lang="en-US">Image processing is used to classify lung images with malignant or normal nodules. The Convolutional Neural Network (CNN) method is often used to classify images. This study uses a modified CNN architecture with various layers, filters, batch size, dropout, and epoch values. Variations were made to determine the best accuracy value and reduce the overfitting value of the proposed CNN architecture. This study implements the method using the Keras library with the Python programming language. The data is in the form of CT-Scan images of lung cancer and normal lungs. The results of several experiments from the proposed model produce an accuracy value of 95% using three layers, 128 filters on the first layer, 256 on the second layer, and 512 filters on the third layer, then with 32 batch sizes, 0.5 dropout.</dc:description>
	<dc:publisher xml:lang="en-US">Department of Physics, Sebelas Maret University</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2024-05-02</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jurnal.uns.ac.id/ijap/article/view/77032</dc:identifier>
	<dc:identifier>10.13057/ijap.v14i1.77032</dc:identifier>
	<dc:source xml:lang="en-US">INDONESIAN JOURNAL OF APPLIED PHYSICS; Vol 14, No 1 (2024): April; 52-62</dc:source>
	<dc:source>2477-6416</dc:source>
	<dc:source>2089-0133</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jurnal.uns.ac.id/ijap/article/view/77032/45229</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2024 INDONESIAN JOURNAL OF APPLIED PHYSICS</dc:rights>
</oai_dc:dc>