KLASIFIKASI KANKER PADA CITRA MAMMOGRAM BERDASARKAN FITUR BENTUK

Miftahus Sholihin, Drs. Agus Harjoko, M.Sc., Ph.D.

2013 | Tesis | S2 Ilmu Komputer

Kanker payudara merupakan salah satu tipe kanker yang paling berbahaya yang menyerang perempuan di seluruh dunia. Berdasarkan Karekteristik citra mammografi seorang dokter atau radiologis bisa menemukan perubahan pada payudara. Proses analisa terhadap citra mammografi yang dilakukan oleh radiologis masih dilakukan secara manual. Sehingga hasil dari analisa radiologis atau dokter masih bersifat subyektif, disamping itu hasil dari pengamatan seorang dokter terkadang membutuhkan waktu yang lama dan juga hasil yang didapatkan terkadang tidak sesuai. Oleh sebab itu dibutuhkan suatu alat bantu yang bisa mempercepat kinerja radiologis atau dokter dengan menggunakan teknik pengolahan citra digital. Pada penelitian ini dirancang suatu sistem yang bisa membantu radiologis dalam melakukan klasifikasi kanker pada citra mammogram. Proses ini diawali dengan melakukan penghapusan background dan label citra, kemudian dilanjutkan dengan proses segmentasi pectoral muscle, proses selanjutnya adalah melakukan peningkatan kualitas citra, kemudian dilanjutkan dengan proses segmentasi region of interest (ROI) yang dicurigai sebagai kanker, proses berikutnya adalah ekstraksi ciri dengan momen invarian. Proses yang terakhir adalah klasifikasi dengan menggunakan metode KNN. Proses klasifikasi ini akan menentukan suatu citra mammogram masuk ke dalam kelas normal, benign, atau malignant. Data yang digunakan pada penelitian ini berasal dari database MIAS yang berjumlah 126 yang terdiri dari 40 citra normal, 48 citra benign, dan 38 citra malignant. Akurasi yang didapatkan sebesar 76.9% untuk citra mammogram kelas normal dan kelas abnormmal ketika nilai k-nya 9. Sedangkan rata-rata akurasi didapatkan sebesar 50,39% dalam membedakan ketidaknormalan dari citra mammogram.

Breast cancer is one of the most dangerous types of cancer that affects women all over the world. Based on characteristic mammography image a physician or radiologist can find change in the breast. Analysis of mammography image performed by radiologist still done manually. So the result of the analysis of radiological or doctor are subjective, in addition to the results of the observation of doctor sometimes take a long time and also the result obtained sometimes not appropriate. Therefore we need a tool that can accelerate radiologist to performance using digital image processing techniques. In this study desined a system that can help the radiologist in the classification of cancer on the mammogram image. This process begins by elimination of the background and label image, then segmentation of pectoral muscle, the next process is to improving the quality of the image, the next process is segmentation of suspected area cancer, the next process is feature extraction using invariant moment and the final process is to classification using KNN method. This process will determine the classification of mammogram image into normal classes, benign, and malignant. Data used in this study take from MIAS database totaling 126 image consisting of 40 normal, 48 benign, and 38 malignant. Accuracy obtained 76,9% for class normal and abnormal when the value of k = 9. While the average accuracy obtained amounted 50,39% to classification into class benign and class malignant.

Kata Kunci : Kanker payudara, segmentasi, ekstraksi ciri, klasifikasi