<![CDATA[Kanker payudara merupakan salah satu penyakit kanker paling tua pada manusia dan menempati urutan kedua pada perempuan setelah kanker rahim. Berdasarkan Sistem Informasi RS (SIRS), jumlah penderita kanker payudara di indonesiasekitar 28.7%. Mammogram adalah pemeriksaan radiologi khusus menggunakan sinar-X dosis rendah. Keabnormalan kanker payudara dapat dikenali dengan keberadaan massa atau mikroklasifikasi pada citra mammogram. Computer-Aided Diagnosis (CAD) dikembangkan untuk meningkatkan deteksi utama dari penyakit ini dimana proses tersebut antara lainpreprocessing, deteksi dan segmentasi, ekstrasi fitur, serta klasifikasi. Dalam penelitian ini dilakukan ekstraksi fitur dengan menggunakan metode Gray Level Co-occurance Matrix (GLCM), metode tersebut mengekstraksi empat statistik tekstur yaitu, Contras, Correlation, Energy dan Homogeneity yang dapat digunakan dalam proses ekstrasi nilai pada citra. Setelah itu dilakukan klasifikasi menggunakan metode Support Vector Machine (SVM). Metode analisis tekstur menggunakan GLCM dan proses klasifikasi menggunakan SVM pada citra mammogram menghasilkan nilai probabilitas sebesar 60% dengan data pengujian yang digunakan 10 citra gabungan (5 jinak dan 5 ganas) dan data pembelajaran yang digunakan 10 data jinak dan 10 data ganas. Kata Kunci :Image Processing, Ekstraksi Fitur, SVM, Kanker Payudara, Matlab.]]>
Copyrights © 2017
