KLASIFIKASI KANKER USUS BESAR BERBASIS PENGOLAHAN CITRA DIGITAL DENGAN METODE RADIAL BASIS FUNCTION (RBF)

NIKITE SULISTIYANA, Drs. Agus Harjoko, M.Sc.,Ph.D

2014 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Usus besar adalah organ penting dalam tubuh manusia. Banyak kelainan yang dapat menyerang organ ini, dan yang terparah adalah kanker. Ada beberapa jenis kanker kolorektal diantaranya adalah limphoma dan carcinoma. Kedua jenis kanker tersebut merupakan kanker ganas. Sehingga jika tidak cepat dideteksi dan diklasifikasi maka akan menyebabkan kematian. Saat ini pengklasifikasian kanker usus besar dilakukan dengan cara manual. Sehingga pendiagnosaan sangat berhubungan dengan kualitas penglihatan masing-masing dokter. Kesalahan manusia akan sangat mempengaruhi hasil pendiagnosaan. Oleh karena itu pada penelitian ini dibuat sebuah sistem pengklasifikasian kanker usus besar berdasar pemrosesan citra dengan sampel berupa citra digital dari jaringan kanker kolorektal. Untuk mengklasifikasikan kanker kolorektal digunakan Jaringan Syaraf Tiruan Radial Basis Function. Data yang digunakan sebanyak 300 citra yang akan diekstrak fitur-fiturnya menggunakan gray level cooccurence matrix (GLCM). Fitur ciri tersebut adalah energy, contrast, correlation, dan homogeneity. Fitur-fitur ini dilatih menggunakan JST Radial Basis Function agar dapat mengklasifikasikan citra kanker kedalam 3 kelas yaitu carcinoma, lymphoma, dan normal. Dari pengujian didapatkan tingkat akurasi sebesar 91.11% dari 90 citra uji dengan nilai parameter: epoch 5000, learning rate 0.01, dan neuron hidden layer atau jumlah pusat 175.

Colon is an important organ in the human body. Many disorders that can affect these organs, and the worst is cancer. There are several types of cancer including colorectal is carcinoma and limphoma, two types of cancer is a malignant cancer. So if the cancer not quickly detected and classified, it will cause death. Currently colon cancer classification identified by manual. So diagnosing highly correlated with the quality of vision of each doctor. Human error will greatly affect the outcome of diagnosing. Therefore in this research creates a system to classify colon cancer based on image processing and the data take from a digital image of tissue colorectal cancer. To classify colorectal cancer used Artificial Neural Network Radial Basis Function. Used 300 sample images to extracted the features using gray level cooccurence matrix (GLCM). The features is the energy, contrast, correlation, and homogeneity. This features are trained using the Radial Basis Function neural network in order to classify the image into 3 class is carcinoma, lymphoma, and normal. From the testing is obtained accuracy rate is 91.11% of 90 test images with the RBF neural network parameters: the epoch 5000, learning rate is 0.01 and hidden layer neurons or the centers is 175.

Kata Kunci : kanker kolorektal, GLCM, Radial Basis Function