Breast cancer is a condition where the growth of cells is uncontrolled and abnormal in the breast tissue. Breast cancer usually attacks the milk tissue and can spread to the surrounding area. One of the checks for breast cancer is by examining a doctor using x-rays which produce mammogram images that are useful for seeing inside the breast whether there is breast cancer that cannot be seen with the naked eye. However, mammogram results that are not always good can affect doctors in making a diagnosis. This is the aim of the research conducted which implements the Convolutional Neural Network method for the system that is created. Which has the aim of being a comparison between visual observations and computational observations in an effort to increase accuracy in making a diagnosis in the classification of mammogram images that detect between benign and malignant. In this study kernel sharpen (Matrix 3x3) was also used to help sharpen the image. Researchers used a dataset of 641 in conducting this study. To get the results of the classification test made using the Confusion Matrix. And the results are based on the process by taking 20 data samples that were tested on the system resulting in an accuracy of 75%.

Kanker payudara merupakan kondisi dimana tumbuhnya sel yang tidak terkendali dan tidak normal pada bagian jaringan payudara. Kanker payudara biasanya menyerang begian jaringan susu dan dapat menyebar ke daerah sekitarnya. Salah satu pengecekan kanker payudara adalah dengan cara melakukan pemeriksaan kepada dokter dengan cara menggunakan sinar-x yang menghasilkan citra Mammogram berguna untuk melihat bagian dalam payudara apakah terdapat kanker payudara yang tidak dapat terlihat secara kasat mata. Namun hasil Mammogram yang tidak selalu bagus dapat mempengaruhi dokter dalam melakukan diagnosis. Hal ini menjadi tujuan dari penelitian yang dilakukan yang dimana mengimplementasikan metode Convolutional Neural Network terhadap system yang dibuat. Yang memiliki tujuan untuk men Jadi pembanding antara pengamatan secara visual dan pengamatan secara komputasi dalam upaya meningkatkan ke akuratan dalam melakukan diagnosa dalam klasifikasi citra Mammogram yang mendeteksi antara benign dan malignant. Dalam penelitian ini digunakan juga kernel sharpen (Matrix 3x3) yang membantu dalam mempertajam gambar. Peneliti menggunakan dataset sebanyak 641 dalam melakukan penelitian ini. Untuk mendapatkan hasil pengujian klasifikasi yang dibuat menggunakan Confusion Matrix. Dan hasil berdasarkan proses dengan mengambil 20 data sample yang diujikan pada system menghasilkan akurasi sebesar 75%.