Klasifikasi Citra Mammogram Berbasis Tekstur Menggunakan SVM

Abstract

Latar Belakang : Kanker payudara adalah penyakit yang ditandai oleh terjadinya pertumbuhanjaringan yang berlebihan, atau perkembangan sel-sel jaringan payudara yang tidak terkontrol. Salahsatu cara untuk mendeteksi adanya jaringan tersebut adalah dengan menggunakan pemeriksaanmammografi. Selanjutnya untuk menganalisis citra hasil mammografi (mammogram) sangatbergantung pada dokter ahli radiologi, sehingga pengalaman dan keahlian dalam menganalisis citramammogram sangat mempengaruhi keakuratan diagnosis. Dengan demikian untuk membantu danmemudahkan dokter dalam menganalisis citra mammogram perlu adanya alat bantu pendiagnosis citramammogram yang dapat menganalisis dan mengidentifikasi adanya jaringan yang dicurigai secaraakurat. Tujuan penelitian adalah melakukan klasifikasi citra mammogram dengan menggunakanmetode Support Vector Machine (SVM).Metode : Tahap penelitian diawali dengan pencarian ROI, dilanjutkan dengan melakukan segmentasicitra, ekstraksi citra, dan klasifikasi citra dengan menggunakan SVM.Hasil : Berdasarkan hasil percobaan menunjukkan bahwa SVM mampu mengklasifikasi citramammogram dengan akurasi 91% untuk data kelas normal dan 87,667% untuk data kelas abnormal