EKSTRAKSI FITUR DAN KLASIFIKASI CITRA MAMMOGRAM MENGGUNAKAN GRAY-LEVEL CO-OCCURRENCE MATRIX DAN RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN)

ABSTRAK
Kanker payudara merupakan salah satu dari penyakit yang paling ditakuti
oleh kaum wanita. Salah satu metode yang paling efektif untuk mendeteksi dan
mengidentifikasi kanker payudara adalah melalui pemeriksaan mammografi
dengan menggunakan sinar X-Rray. Mammogram digunakan untuk mencari
penyakit pada payudara wanita yang tidak memiliki tanda-tanda atau gejala dari
masalah payudara.
Tujuan dari penelitian ini adalah untuk Klasifikasi jenis kanker payudara
berdasarkan tekstur dengan beberapa langkah dalam teknik pengolahan citra.
Metode pengolahan citra yang diterapkan pada penelitian ini, meliputi Region of
Interest untuk menentukan lokasi mass, cropping untuk memotong lokasi mass,
perbaikan kualitas citra dengan Ekualisasi Histogram, menghilangkan noise
dengan Median filter, ekstraksi fitur dengan Gray Level Co-occurrence Matrix, dan
Radial Basis Function Neural network untuk klasifikasi citra mammogram. Hasil
dari penelitian ini menunjukkan bahwa aplikasi Deteksi jenis kanker payudara
dapat membedakan jenis kanker jinak atau kanker ganas dengan tingkat akurasi
65% berdasarkan 60 data training dan 40 data uji.


Kata Kunci : Mammogram, Region of Interest, Cropping, Ekualisasi Histogram ,
Median filter, GLCM, RBFNN.

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

1904

Penerbit

Surabaya : ITATS., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Mammogram, Region of Interest, Cropping
Ekualisasi Histogram , Median filter, GLCM
RBFNN

Info Detail Spesifik

NPM : 06.2014.1.06337 Nilai : B+

Pernyataan Tanggungjawab

Pembimbing : Febri Liantoni, S.ST, M.Kom

Versi lain/terkait

Lampiran Berkas

Komentar