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.