Peningkatan Hasil Diagnosis Idc (Invasive Ductal Carcinoma) Dari Hasil Citra Histopatologi Menggunakan Metode Ekstraksi Ciri Dan Klasifikasi
Abstract
IDC (Invasive Ductal Carcinoma) merupakan salah satu dari jenis kanker payudara yang
paling umum terjadi, hampir 70-80% dari semua diagnosis kanker payudara. Pendeteksian kanker
payudara merupakan upaya untuk pencegahan dan pengendalian terjadinya kanker payudara yang
dapat dilakukan menggunakan berbagai metode seperti menggunakan x-ray untuk mengambil
gambar mammogram dan pemindaian menggunakan ultrasound. Langkah pertama dalam
melakukan pengobatan kanker payudara adalah pemeriksaan yang tepat, biasanya dilakukan
dengan gambar biomedis seperti mammogram dan histopatologi. Adapun metode yang efektif
dalam mendeteksi adanya kanker payudara yaitu dengan pemeriksaan jaringan tubuh (biopsi) dan
melakukan analisis histopatologi. Pada penelitian ini, deteksi citra histopatologi dilakukan dengan
beberapa tahapan yaitu input data histopatologi, ekstraksi fitur, dan klasifikasi. Ekstraksi fitur
merupakan tahapan paling penting pada proses klasifikasi. Pada penelitian ini akan dilakukan
sebuah ekstraksi dengan menggabungkan beberapa ekstraksi fitur diantaranya yaitu GLCM (Gray
Level Co-occurrence Matrix), RGB (Red Green Blue), HSV (Hue Saturation Value), dan
Histogram. Hasil terhadap ekstraksi dari fitur tersebut akan dilakukan klasifikasi menggunakan
classifier backpropagation dan SVM (Support Vector Machine). Dataset yang digunakan berupa
breast histopathology images, didapat pada situs Kaggle yang tersedia untuk umum berjumlah
1080 citra IDC (540 IDC negatif dan 540 IDC positif). Dari uji coba yang telah dilakukan
didapatkan akurasi tertinggi yaitu 96,94% berdasarkan gabungan semua fitur dengan classifier
backpropagation.
Collections
- Electric Engineering [783]