Penentuan d Dan 0 Pada GLCM Untuk Klasifikasi Tumor Payudara Pada Gambar Roi Mammogram Menggunakan Metode BPNN
| Main Author: | Sarosa, Syam Julio Akbar |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/176651/1/Syam%20Julio%20A.%20Sarosa%20%282%29.pdf http://repository.ub.ac.id/176651/ |
Daftar Isi:
- Kanker payudara adalah kanker paling umum dan paling mematikan pada wanita. Pada tahun 2018, diperkirakan ada 22.692 wanita Indonesia meninggal akibat kanker payudara. Bagi wanita yang sudah terserang kanker payudara, tingkat pemulihan dan tingkat kelangsungan hidup dapat ditingkatkan dengan cara deteksi dini melalui pemeriksaan rutin. Cara deteksi dini kanker payudara yang paling efektif adalah melalui mammografi. Proses mammografi menghasilkan gambar mammogram. Gambar mammogram akan dibaca oleh radiologis. Masalah yang umum ditemui radiologis ketika membaca mammogram adalah perbedaan bentuk dan struktur jaringan payudara setiap wanita. Selain itu, efisiensi radiologis dalam membaca mammogram berkaitan erat dengan pengalaman dan beban kerja. Dalam kasus terburuk, kesalahan pembacaan mammogram bisa menyebabkan kematian pasien. Untuk menyelesaikan permasalahan itu, dalam penelitian ini dikembangkan sebuah sistem Computer-Aided Diagnosis (CADx) untuk membantu radiologis mendeteksi dan mengklasifikasikan kelainan dalam payudara. Metode yang diusulkan dalam penelitian ini mengkombinasikan algoritme Gray-Level Co-occurrence Matrix (GLCM) dan algoritme Backpropagation Neural Network (BPNN) untuk mengklasifikasikan pasien kedalam kelas normal-abnormal berdasarkan gambar mamogram. GLCM digunakan untuk mengekstrak fitur dari mammogram. Fitur yang dihasilkan GLCM akan dijadikan masukkan pada BPNN. GLCM memiliki dua parameter, yaitu