PERBANDINGAN EKSTRAKSI CIRI PADA DATA MAMMOGRAM UNTUK IDENTIFIKASI MIKROKALSIFIKASI
ABSTRAK: Salah satu cara untuk
mendeteksi ada tidaknya kanker pada payudara adalah dengan mammografi. Pada
penelitian ini, dilakukan pengenalan pola dengan klasifikasi massa, jinak, dan
ganas pada data mammogram. Namun data mammogram memiliki noise dan struktur
patologis yang tidak teratur sehingga perlu dilakukan pengolahan citra terlebih
dahulu. Tahapan pengolahan citra yang dilakukan antara lain: preprocessing,
segmentasi, dan ekstraksi ciri. Pada tahap preprocessing dilakukan perbaikan
kualitas citra dengan operasi CLAHE (Contrast Limited Adaptive Histogram
equalization) dan tahap segmentasi dilakukan dengan metode OTSU. Sedangkan
tahap ekstraksi ciri, ada 3 metode yang diperbandingkan yaitu Discreate Wavelet
Transformation (DWT), Gray Level Co-occurance Matrix (GLCM), dan Gabor Wavelet
(GW). Setelah pengolahan citra dilakukan, tahap selanjutnya adalah pengenalan
pola dengan klasifikasi menggunakan metode Jaringan Syaraf Tiruan
(JST)-Lavenberg Marquard (LM). Dari uji coba yang telah dilakukan dengan
klasifikasi JST, hasil terbaik dari testing dengan data training diperoleh pada
data mammogram dengan ekstraksi ciri menggunakan Gabor Wavelet. Sedangkan
testing dengan data testing menunjukkan hasil yang tidak stabil. Hal ini
dikarenakan adanya diversifikasi data yang besar, baik pada ukuran mau pun
struktur patologis dari mammary.
Kata kunci: ekstraksi ciri,
Discreate Wavelet Transformation, Gray Level Co-occurance Matrix, Gabor
Wavelet, klasifikasi, jaringan syaraf tiruan-Lavenberg Marquard
Penulis: Endang Supriyati,
Tutik Khotimah
Kode Jurnal: jptmesindd140608