Article Per Year (5 Year)
p-Index From 2019 - 2024
1.235
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer UG Journal Jurnal Ilmiah KOMPUTASI Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Lulu Mawaddah Wisudawati
Universitas Gunadarma
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Ilmiah KOMPUTASI

 1 
Ektraksi Fitur Menggunakan Gabungan Hough Transform dengan Gabor Filter dan Klasifikasi Normal dan Abnormal Citra Mamogram Menggunakan Support Vector Machine Muhammad Rizky Danur; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Komputasi Vol. 22 No. 1 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 1, Maret 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.1.3223

Abstract

Penyakit kanker payudara saat ini menjadi salah satu penyakit mematikan dan umumnya terjadi pada wanita. Kanker payudara dapat dideteksi dengan menggunakan alat mammografi. Citra mammogram memiliki beberapa tipe abnormalitas yang bentuknya seperti noda kecil dan terdapat titik-titik, dimana terdapat massa didalamnya, Massa yang memiliki karakteristik berbeda dalam hal bentuk, batas tepi dan densitas yang digunakan dalam menentukan pengklasifikasian tumor. Klasifikasi citra mammogram terbagi menjadi dua yaitu normal dan abnormal. Penelitian ini bertujuan untuk melakukan ekstraksi fitur menggunakan gabungan metode hough transform dengan gabor filter dan klasifikasi normal dan abnormal menggunakan support vector machine. Tahapan penelitian ini terdiri dari akuisisi data menggunakan database DDSM (Digital Database for Screening Mammography) berjumlah 297 citra dengan 198 citra normal dan 99 citra abnormal (58 tumor jinak dan 41 tumor ganas). Tahapan selanjutnya citra dipartisi menjadi 4 bagian untuk mendapatkan fitur lokal dari citra mammogram. Tahapan ekstraksi fitur dilakukan menggunakan hough transform dan gabor dengan sudut 450. Klasifikasi citra mammogram normal dan abnormal dilakukan dengan menggunakan support vector machine dengan kernel rbf dan diperoleh hasil akurasi sebesar 86.8% dengan nilai sensivitas sebesar 73.7%, spesifisitas 93.4%, dan nilai AUC 0.87. Evaluasi dilakukan menggunakan K-fold 10 validation.
Ektraksi Fitur Menggunakan Gabungan Hough Transform dengan Gabor Filter dan Klasifikasi Normal dan Abnormal Citra Mamogram Menggunakan Support Vector Machine Muhammad Rizky Danur; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Komputasi Vol. 22 No. 1 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 1, Maret 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.1.3223

Abstract

Penyakit kanker payudara saat ini menjadi salah satu penyakit mematikan dan umumnya terjadi pada wanita. Kanker payudara dapat dideteksi dengan menggunakan alat mammografi. Citra mammogram memiliki beberapa tipe abnormalitas yang bentuknya seperti noda kecil dan terdapat titik-titik, dimana terdapat massa didalamnya, Massa yang memiliki karakteristik berbeda dalam hal bentuk, batas tepi dan densitas yang digunakan dalam menentukan pengklasifikasian tumor. Klasifikasi citra mammogram terbagi menjadi dua yaitu normal dan abnormal. Penelitian ini bertujuan untuk melakukan ekstraksi fitur menggunakan gabungan metode hough transform dengan gabor filter dan klasifikasi normal dan abnormal menggunakan support vector machine. Tahapan penelitian ini terdiri dari akuisisi data menggunakan database DDSM (Digital Database for Screening Mammography) berjumlah 297 citra dengan 198 citra normal dan 99 citra abnormal (58 tumor jinak dan 41 tumor ganas). Tahapan selanjutnya citra dipartisi menjadi 4 bagian untuk mendapatkan fitur lokal dari citra mammogram. Tahapan ekstraksi fitur dilakukan menggunakan hough transform dan gabor dengan sudut 450. Klasifikasi citra mammogram normal dan abnormal dilakukan dengan menggunakan support vector machine dengan kernel rbf dan diperoleh hasil akurasi sebesar 86.8% dengan nilai sensivitas sebesar 73.7%, spesifisitas 93.4%, dan nilai AUC 0.87. Evaluasi dilakukan menggunakan K-fold 10 validation.
Co-Authors Fadhilah Nur Amaliah Fhinka Hanifah Imam Purwanto Muhamad Trian Diwandanu Muhammad Ilham Rasyid Muhammad Rizky Danur Rehan Ridho Putra