Breast cancer is a condition in which abnormal cells grow in the breast tissue. Breast cancer usually grows in several parts, one of which is in the glands that produce milk (lobules). One way to check for breast cancer is by using ultrasound which is useful for seeing the inside of the breast whether there are signs of breast cancer that cannot be seen by the eye directly, but the results of the
ultrasound do not always produce good results so that it can influence doctors to This is the goal of the researcher in conducting this research which implements the Convolutional Neural Network method on the system created, which aims to be a comparison between visual observations and
computational observations in increasing accuracy in diagnosis in classification of ultrasound images that detect between normal, benign, malignant. In this study also use the Sharpen kernel in the convolution process because the sharpen kernel (Matrix 3x3) helps in sharpening the image. In conducting this research, the researcher used a dataset of 520. To get the results of testing the classification system that was created, the Confusion Matrix was used. And the results based on the training model process obtained an accuracy of 76% for the 20th epoch plan. By taking 30 samples of the data tested on the system, the accuracy of the system was 93%

Kanker payudara adalah kondisi dimana tumbuh nya sel-sel abnormal yang ada pada bagian jaringan payudara. Kanker payudara ini biasanya tumbuh dibeberapa bagian yaitu salah satu nya pada bagian kelenjar yang menghasilkan cairan susu (lobules). Salah satu cara pengecekan kanker payudara
yaitu bisa dengan cara USG yang berguna untuk melihat bagian dalam dari payudara apakah ada tanda tanda kanker payudara yang tidak bisa dilihat oleh mata secara langsung,namun hasil dari USG itu tidak selalu menghasilkan hasil yang baik sehingga dapat mempengaruhi dokter untuk diagnosa yang
dilakukan oleh tenaga medis.hal ini menjadi tujuan dari peneliti dalam melakukan penelitian ini yang dimana mengimplementasikkan metode Convolutional Neural Network terhadap sistem yang dibuat,yang dimana bertujuan untuk menjadi pembanding antara pegamatan sacara visual dan
pengamatan secara komputasi dalam meningkatkan ke akuratan dalam diagnosa dalam klasifikasi citra USG yang mendeteksi antara normal,benign,malignant. Dalam penelitian ini juga menggunakan kernel Sharpen pada proses konvolusi dikarenakan kernel sharpen (Matrix 3x3)membantu dalam mempertajam gambar. Dalam melakukan penelitian ini peneliti memakai dataset sebanyak 520. untuk mendapatkan hasil pengujian sistem klasifikasi yang dibuat ini menggunakan Confusion Matrix. Dan hasil berdasarkan proses training model didapatkan akurasi sebesar 76% denah epoch 20. Dengan
mengambil 30 sample data yang diujikan pada sistem menghasilkan akurasi sebesar 93%.