Klasifikasi Citra Mammogram Menggunakan Metode K-Means, GLCM, dan Support Vector Machine (SVM)

• Main Authors: Kadek Novar Setiawan, I Made Suwija Putra
• Format: Article
• Language: Indonesian
• Published: Universitas Udayana 2018-07-01
• Series: Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi)
• Online Access: https://ojs.unud.ac.id/index.php/merpati/article/view/40933

Kanker payudara termasuk salah satu penyakit tidak menular yang cenderung terus meningkat setiap tahunnya. Penyakit ini terjadi hampir seluruhnya pada wanita, tetapi dapat juga terjadi pada pria. Cara terbaik untuk mengidentifikasi keberadaan kanker payudara pada tahap awal adalah dengan menafsirkan gambar mammogram yang menggunakan sinar-X yang dapat memperlihatkan keabnormalan atau kelainan pada payudara dalam bentuk yang sangat kecil. Identifikasi secara visual memerlukan skill penglihatan dan pengetahuan dalam mengklasifikasikan hasil dari citra mammogram. Berdasarkan hal tersebut penelitian ini mengusulkan identifikas/klasifikasi kanker payudara pada citra mammogram secara visual ke dalam komputer dengan menggunakan metode segmentasi k-menas, ekstraksi fitur tekstur Gray Level Co-Occurence Matrix (GLCM) dan metode klasifikasi Support Vector Machine (SVM). Aplikasi pada penelitian ini dapat mengklasifikasi/mengenali citra mammogram yang normal dan abnormal dengan nilai akurasi yang diperoleh sebesar 80%.