Ekstraksi Fitur Pada Citra Computed Tomography Paru-Paru
Daftar Isi:
- ABSTRAK Kanker merupakan salah satu penyakit yang mematikan dan salah satu jenis kanker adalah kanker paru-paru yang menyebabkan tingginya tingkat kematian di dunia dibanding kanker lain. Hal ini disebabkan karena kanker paru-paru merupakan jenis kanker yang paling sering menyerang pria dan berada pada urutan pertama dari sederetan jenis kanker mematikan. Tingkat kematian akibat kanker paru-paru dapat diminimalisir apabila gejala dan sel-sel kanker dapat dideteksi secara dini. Salah satu cara yang digunakan untuk mendeteksi kanker paru-paru adalah melalui pencitraan atau lebih dikenal dengan X-ray (foto rontgen) ataupun dengan cara Computed Tomography (CT) scan. Penelitian ini menggunakan citra hasil CT scan untuk mengenali salah satu karakteristik lesi yaitu Ground Glass Opacity (GGO) yang dapat digunakan untuk menentukan tingkat keganasan dari suatu lesi. Tahap awal yang dilakukan adalah melakukan cropping citra secara manual oleh radiolog kemudian melakukan ekstraksi fitur menggunakan Gray Level Co-occurrence Matrice (GLCM) dan tahap selanjutnya adalah klasifikasi dengan metode Naïve Bayes. Untuk meningkatkan hasil klasifikasi, fitur yang paling signifikan dicari dengan cara seleksi fitur menggunakan GainRatioEvaluation. Berdasarkan hasil yang diperoleh, metode seleksi fitur yang digunakan mampu menemukan fitur yang paling signifikan. Tingkat akurasi meningkat dari 83,33% menjadi 91,67%, sensitivitas dari 82,35% menjadi 94,11% dan spesifisitas dari 84,21% menjadi 89,47%. Kata Kunci : Computed Tomography, ekstraksi fitur, klasifikasi, seleksi fitur.