PENGOLAHAN DATA CITRA TERMAL PAYUDARA DENGAN METODE JST LVQ DAN PCA UNTUK MENDETEKSI KANKER

OKY DWI NURHAYATI, S.T., M.T., Prof. Adhi Susanto, M.Sc., Ph.D,

2011 | Tesis | S3 Teknik Elektro

Kamera termal yang digunakan merupakan perangkat-keras penangkap citra termal payudara dengan perangkat-lunak khusus InsideIR 3.11. Namun untuk diterapkan di bidang kedokteran, khususnya untuk mendeteksi penyebaran kanker payudara perlu dikembangkan program yang sesuai melalui tahap-tahap pengolahan citra. Tujuan penelitian ini adalah membuat tools yang diimplementasikan dalam program untuk memisahkan termogram normal, termogram kanker dini, dan termogram kanker lanjut. Penelitian dimulai dengan studi observasional yang dibagi dalam 2 sub penelitian, yaitu: Pengumpulan data dan eksplorasi beberapa program pengolahannya. Selanjutnya melalui basis teori informasi dan prosedur optimasi geometris di ruang ciri multidimensi ditentukan representasi ciri yang paling sederhana. Metode Regresi, Jaringan Saraf Tiruan Learning Vector Quantification, dan Principal Component Analysis ketiganya telah dapat digunakan untuk memisahkan ketiga kelas termogram dengan tingkat ketelitian klasifikasi JST- LVQ dalam kisar 91,11% - 97,8%, sedangkan Principal Component Analysis memberikan ketelitian 99%. Hasil rancangan program yang dibuat telah dapat digunakan untuk mengelompokkan termogram secara baik dengan sarana perangkat-keras yang telah tersedia.

Thermal camera used to acquire breast thermal images is furnished with a specific software InsideIR 3.11. However, to be applied for diagnosis, particularly for detecting breast cancer progression, an additional programs should be developed accordingly based on image processings. The aim of research is make tools to distinguish the normal, early cancer, and advanced cancer thermograms. The study was carried out in two phases, firstly the data collections and standard image processing, and secondly, through the basic principle of information theory and geometric optimization procedures in a multidimensional feature space. The results were represented in the simplest representation. Regression methods, Artificial Neural Network Learning Vector Quantification, and Principal Component Analysis were resorted to separate the type of thermograms. Furthermore classifications using LVQ-ANN method were able to provide accuracy in range 91.11% to 97.8%, and Principal Component Analysis a high degree of accuracy 99%.The overall breast thermograms processings are able to separate those indicating normal as well as early and advance breast cancers.

Kata Kunci : program, termogram, metode Regresi, JST-LVQ, Principal Component Analysis