Ektraksi Fitur Menggunakan Gabungan Hough Transform dengan Gabor Filter dan Klasifikasi Normal dan Abnormal Citra Mamogram Menggunakan Support Vector Machine

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.