<![CDATA[ABSTRAK Salah satu cara untuk mendeteksi ada tidaknya kanker pada payudara adalah dengan mammografi. Pada penelitian ini, dilakukan pengenalan pola dengan klasifikasi massa, jinak, dan ganas pada data mammogram. Namun data mammogram memiliki noise dan struktur patologis yang tidak teratur sehingga perlu dilakukan pengolahan citra terlebih dahulu. Tahapan pengolahan citra yang dilakukan antara lain: preprocessing, segmentasi, dan ekstraksi ciri. Pada tahap preprocessing dilakukan perbaikan kualitas citra dengan operasi CLAHE (Contrast Limited Adaptive Histogram equalization) dan tahap segmentasi dilakukan dengan metode OTSU. Sedangkan tahap ekstraksi ciri, ada 3 metode yang diperbandingkan yaitu Discreate Wavelet Transformation (DWT), Gray Level Co-occurance Matrix (GLCM), dan Gabor Wavelet (GW). Setelah pengolahan citra dilakukan, tahap selanjutnya adalah pengenalan pola dengan klasifikasi menggunakan metode Jaringan Syaraf Tiruan (JST)-Lavenberg Marquard (LM). Dari uji coba yang telah dilakukan dengan klasifikasi JST, hasil terbaik dari testing dengan data training diperoleh pada data mammogram dengan ekstraksi ciri menggunakan Gabor Wavelet. Sedangkan testing dengan data testing menunjukkan hasil yang tidak stabil. Hal ini dikarenakan adanya diversifikasi data yang besar, baik pada ukuran mau pun struktur patologis dari mammary. Kata kunci: ekstraksi ciri, Discreate Wavelet Transformation, Gray Level Co-occurance Matrix, Gabor Wavelet, klasifikasi, jaringan syaraf tiruan-Lavenberg Marquard.]]>
Copyrights © 2014
