Kanker payudara merupakan kanker yang paling sering terjadi secara global dengan kategori ganas yang menjadi ancaman serius dan menakutkan bagi kaum Perempuan. Menurut Data dari Globocan. Di Indonesia sendiri pada tahun 2022 jumlah kasus baru kanker payudara mencapai 66.271 kasus sehingga menyumbang (30,1%) dari total kasus kanker di Indonesia. Dari kasus dengan jumlah kematian mencapai lebih dari 22 ribu jiwa menempatkan kanker payudara menjadi kanker kedua yang paling mematikan. 70% kasus kanker payudara terdeteksi sudah di tahap stadium lanjut, dimana kasus ini bisa terjadi karena keterlambatan tenaga medis yang belum bisa mendeteksi kanker payudara secara manual. Hal ini dibutuhkan teknologi untuk membantu dokter dan para ahli radiologis untuk mengevaluasi citra Magnetic Resonance Imaging (MRI) secara otomatis. Salah satu metode deep learning yang berguna untuk analisis citra MRI adalah Convolutional Neural Network (CNN) dengan menggunakan arsitektur VGG19 dan AlexNet yang telah terbukti dalam proses klasifikasi. Penelitian ini menggunakan data yang berasal dari Kaggle dengan total 1400 data. Melalui penggunaan metode Convolutional Neural Network penelitian ini memperoleh akurasi yang cukup optimal pada arsitektur VGG19 sebesar 99% dan pada Arsitektur AlexNet sebesar 97%.

Breast cancer is the most common cancer globally with a malignant category that poses a serious and frightening threat to women. According to data from Globocan. In Indonesia alone in 2022 the number of new cases of breast cancer reached 66,271 cases, thus contributing (30,1.6%) of the total cancer cases in Indonesia. Of the cases with more than 22 thousand deaths, breast cancer is the second most deadly cancer. 70% of breast cancer cases are detected already at an advanced stage, where this case can occur due to delays in medical personnel who have not been able to detect breast cancer manually. This requires technology to help doctors and radiologists to evaluate Magnetic Resonance Imaging (MRI) images automatically. One of the deep learning methods useful for MRI image analysis is Convolutional Neural Network (CNN) using VGG19 and AlexNet architecture which has been proven in the classification process. This study uses data from Kaggle with a total of 1400 data. Through the use of the Convolutional Neural Network method, this study obtained a fairly optimal accuracy on the VGG19 architecture of 99% and on the AlexNet Architecture of 97%.