PENINGKATAN HASIL DIAGNOSIS KANKER PAYUDARA DARI HASIL CITRA MAMMOGRAM MENGGUNAKAN METODE EKSTRAKSI CIRI DAN KLASIFIKASI
Abstract
Kanker payudara merupakan penyebab kematian paling umum pada wanita yang sudah
lanjut usia, hampir 2,09 juta kasus baru yang didiagnosis mengalami kanker payudara dengan
estimasi kematian mencapai 0,63 juta pada tahun 2018. Deteksi awal merupakan kunci untuk
menekan angka kematian yang disebabkan oleh kanker payudara, salah satu metode deteksi awal
yang umum digunakan adalah screening menggunakan pencitraan mammografi. Saat ini
pendeteksian kanker payudara dengan citra mammogram telah banyak dilakukan dengan
memanfaatkan pengolahan citra digital. Tahapan dari proses pendeteksian tersebut terdiri dari preprocessing,
ektraksi fitur, dan klasifikasi. Tahapan yang memegang peranan penting untuk
menghasilkan sistem deteksi yang akurat adalah tahap ekstraksi fitur. Pada penelitian ini akan
dilakukan ekstraksi fitur dengan menggunakan fitur Tekstur, Gray Level Co-occurrence Matrix
(GLCM), dan Morfologi. Untuk hasil akhirnya akan menggunakan K-Nearest Neighbor, Naïve
Bayes, dan Support Vector Machine dalam menentukan klasifikasinya, yang mana digunakan citra
mammogram yang berasal dari Mammographic Image Analysis Society (MIAS) dengan jumlah
100 citra normal dan 51 citra abnormal. Berdasarkan dari ujicoba yang dilakukan didapatkan hasil
akurasi tertinggi dengan menggabungkan semua fitur yang diujikan yakni 98.67% dengan klasifier
Naïve Bayes.
Collections
- Electric Engineering [783]