USKUSK

KITEKTROKITEKTRO

Kanker payudara termasuk dalam 5 besar kanker ganas penyebab kematian. Salah satu upaya untuk meminimumkan kanker ganas yaitu dengan melakukan pendeteksian dini terhadap kondisi payudara. Deteksi dini dengan citra termografi berbeda dengan metode deteksi yang lain karena dapat menunjukkan perubahan fisiologis dan metabolis serta dapat mengidentifikasi perubahan aliran darah. Deteksi dini kanker payudara dengan citra termografi menggunakan algoritma SVM ini menggunakan dataset yang diambil dari website DMR yang terdiri dari 25 citra termografi payudara normal dan 25 citra termografi payudara abnormal. Ekstraksi fitur digunakan untuk mengetahui perbedaan nilai mean dan energy dari citra payudara normal dan abnormal. Nilai mean dan energy dimasukkan ke dalam klasifikasi dengan SVM yang terdiri dari kernel RBF, linear, quadratic dan polynomial. Hasil analisis klasifikasi citra termografi payudara dengan algoritma SVM kernel polynomial memiliki akurasi 90%.

Berdasarkan hasil penelitian yang telah dilakukan, dapat ditarik kesimpulan bahwa.1) Berdasarkan hasil analisis dengan membangkitkan histogram, terdapat perbedaan antara histogram citra termografi payudara normal dan abnormal.Citra termografi payudara abnormal memiliki kontras lebih terang daripada citra termografi payudara normal.2) Berdasarkan hasil analisis dengan feature extraction pada first order histogram dan GLCM terdapat perbedaan nilai mean pada citra termografi payudara normal dan abnormal.Nilai dari mean pada citra payudara normal lebih tinggi daripada citra payudara abnormal dengan average nilai mean pada citra termografi payudara normal 133,5185 dan pada citra termografi payudara abnormal 125,0028.3) Nilai energy tidak bisa dijadikan patokan untuk membedakan antara citra payudara normal dan abnormal karena memiliki perbedaan nilai yang tidak jauh berbeda dengan masing-masing nilai average 0,2564 dan 0,2051.Klasifikasi citra termografi payudara menggunakan algoritma Support Vector Machine (SVM) kernel polynomial memiliki akurasi 90%.

Untuk penelitian lanjutan, dapat dilakukan dengan mengembangkan algoritma SVM yang digunakan dengan menambahkan fitur-fitur lain yang relevan untuk meningkatkan akurasi klasifikasi. Selain itu, dapat juga dilakukan dengan menggabungkan teknik termografi dengan metode deteksi lainnya, seperti mammografi atau USG, untuk meningkatkan akurasi dan keakuratan pengujian. Terakhir, penelitian dapat dilakukan dengan menggunakan dataset yang lebih besar dan beragam untuk meningkatkan validitas hasil klasifikasi.

Read online
File size338.52 KB
Pages3
DMCAReport

Related /

ads-block-test