DETEKSI POTENSI KANKER PAYUDARA PADA MAMMOGRAM MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES

Hartadi, Riyan and Santoso , Imam and Hidayatno , Achmad (2011) DETEKSI POTENSI KANKER PAYUDARA PADA MAMMOGRAM MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES. Undergraduate thesis, Jurusan Teknik Elektro Fakultas Teknik.

[img]
Preview
PDF - Published Version
160Kb

Abstract

Kanker payudara adalah jenis kanker yang paling umum diderita oleh wanita. Mammografi telah menjadi metode yang umum digunakan untuk deteksi dini kanker payudara. Pemeriksaan citra mammografi atau mammogram dilakukan secara manual oleh para dokter/ radiologis, sehingga banyak didasarkan pada pengetahuan, intuisi, serta pengalaman. Mammogram memiliki kontras yang rendah sehingga terkadang pemeriksaan mammogram bukanlah hal yang mudah. Jaringan normal payudara dapat menyembunyikan kelainan sehingga tidak tampak pada mammogram. Pada penelitian ini dirancang sebuah program pembantu deteksi potensi kanker payudara. Metode analisis tekstur, GLCM (Gray Level Co-occurrence Matrices) digunakan untuk mencirikan tekstur massa tumor, normal, serta gugus mikrokalsifikasi pada area mammogram. Citra yang digunakan merupakan mammogram digital yang diperoleh dari Unit Radiologi RS Telogorejo Semarang. Tujuh ciri tekstur GLCM digunakan sebagai dasar pencirian yaitu mean, standar deviasi, kontras, homogenitas, energi, entropi, korelasi. Ciri tekstur yang didapat kemudian dijadikan dasar perhitungan metode klasifikasi k-NN. Dari 50 sampel percobaan, rata-rata dari tiap ciri tekstur GLCM menunjukkan ketujuh ciri tekstur GLCM yang digunakan dapat mewakili karaktristik tekstur pada ketiga kategori klasifikasi. Pada klasifikasi k-NN, rasio pengenalan untuk k bernilai 1, 2, 3, 4, dan 5 secara berurutan adalah 80%, 82%, 84%, 84% dan 86%. Program pembantu dapat digunakan sebagai bantuan maupun perbandingan dengan tujuan lebih menjaga ketepatan analisis mammogram. Kata-kunci: mammogram, analisis tekstur, GLCM, k-NN

Item Type:Thesis (Undergraduate)
Subjects:T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:Faculty of Engineering > Department of Electrical Engineering
Faculty of Engineering > Department of Electrical Engineering
ID Code:25566
Deposited By:Mr. Sudjadi Pranoto
Deposited On:13 Jan 2011 20:47
Last Modified:13 Jan 2011 20:47

Repository Staff Only: item control page