SEGMENTASI DENGAN METODE ACTIVE CONTOUR UNTUK PENINGKATAN AKURASI KLASIFIKASI CITRA USG KANKER PAYUDARA MENGGUNAKAN K-NEAREST NEIGHBOR (KNN)

Muhammad Ihza Alhafiz
Wirasno Wirasno
Achmad Solichin


DOI: https://doi.org/10.29100/jipi.v10i1.5681

Abstract


Kanker payudara, sebuah penyakit yang mengancam, ditandai oleh pertumbuhan sel yang tak terkendali yang dapat menyerang jaringan sehat dalam payudara. Segmentasi citra digital menjadi penting untuk memisahkan gambaran kanker dari latar belakangnya, memungkinkan analisis yang lebih mendalam. Dalam penelitian ini, metode Grayscale, Median Filtering, dan Aktif Kontur diadopsi untuk mengidentifikasi morfologi kanker dalam citra, sementara proses klasifikasi menggunakan metode K-Nearest Neighbor dengan ekstraksi fitur melalui Gray Level Co-Occurrence Matrix untuk menganalisis tekstur kanker. Temuan dari penelitian ini menegaskan bahwa proses aktif kontur digunakan untuk melihat morfologi kanker, diikuti dengan pemotongan citra asli sesuai dengan kontur yang dihasilkan. Selain itu, hasil pengujian K-Nearest Neighbor pada K=18 dengan pembagian data 90% untuk Data Training dan 10% untuk Data Uji menggunakan K-Fold Cross Validation, menunjukkan akurasi algoritma sebesar 68% yang diperoleh melalui Confusion Matrix.

Keywords


Kanker Payudara, Segmentasi, Klasifikasi, Dataset, GLCM

Full Text:

PDF

Article Metrics :

References


D. Pittara, “Pengertian Kanker Payudara,” www.alodokter.com, 2023. https://www.alodokter.com/kanker-payudara (accessed Jan. 09, 2023).

K. K. Payudara and B. F. Gabor, “Penelitian ini bertujuan untuk mengambil nilai fitur dari citra termal payudara melalui ekstraksi fitur Filter Gabor, dengan fokus pada,” vol. 9, no. 4, 2024.

H. Sung et al., “Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries,” CA. Cancer J. Clin., vol. 71, no. 3, pp. 209–249, 2021, doi: 10.3322/caac.21660.

Kemenkes, “Kanker Payudara Paling Banyak di Indonesia, Kemenkes Targetkan Pemerataan Layanan Kesehatan,” www.sehatnegeriku.kemkes.go.id, 2022. https://sehatnegeriku.kemkes.go.id/baca/umum/20220202/1639254/kanker-payudaya-paling-banyak-di-indonesia-kemenkes-targetkan-pemerataan-layanan-kesehatan/ (accessed Feb. 02, 2022).

W. Al-Dhabyani, M. Gomaa, H. Khaled, and A. Fahmy, “Dataset of breast ultrasound images,” Data Br., vol. 28, p. 104863, 2020, doi: 10.1016/j.dib.2019.104863.

N. Meilani and O. Nurdiawan, “Data Mining untuk Klasifikasi Penderita Kanker Payudara Menggunakan Algoritma K-Nearest Neighbor,” J. Wahana Inform., vol. 2, no. 1, pp. 177–187, 2023, [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Breast+Cancer.

N. Afiatuddin, M. T. Wicaksono, V. R. Akbar, and D. Wulandari, “Komparasi Algoritma Machine Learning dalam Klasifikasi Kanker Payudara,” vol. 8, no. April, pp. 889–899, 2024, doi: 10.30865/mib.v8i2.7457.

Yudha, “Penerapan algoritma,” vol. V, pp. 217–224, 2014.

W. Ramdhani, D. Bona, R. B. Musyaffa, and C. Rozikin, “Klasifikasi Penyakit Kangker Payudara Menggunakan Algoritma K-Nearest Neighbor,” J. Ilm. Wahana Pendidik., vol. 8, no. 12, pp. 445–452, 2022.

R. Nanda, S. W. Dari, and A. Ihsan, “Segmentasi Citra Medis untuk Deteksi Objek FAM pada Payudara Menggunakan Metode Sobel,” J. Media Inform. Budidarma, vol. 3, no. 4, p. 248, 2019, doi: 10.30865/mib.v3i4.1232.

K. Djunaidi, N. Lanang, A. Syahdu, and D. Kuswardani, “Penerapan Metode Thresholding : Entropy dan Mathematical Morphology Pada Segmentasi Citra USG Kanker Payudara,” vol. 11, no. 2, pp. 1–7, 2022, [Online]. Available: https://doi.org/10.33322/kilat.v11i2.1503

A. Nugroho, A. Fauzi, B. Sunarko, H. Wibawanto, and N. Iksan, “Simplifikasi Model Cv Teregularisasi Berpadu Operasi,” J. Inform. Polinema, vol. 8, no. 2, pp. 49–56, 2022, [Online]. Available: http://jip.polinema.ac.id/ojs3/index.php/jip/article/view/913

L. M. Wisudawati, “Klasifikasi Tumor Jinak Dan Tumor Ganas Pada Citra Mammogram Menggunakan Gray Level Co-Occurrence Matrix (Glcm) Dan Support Vector Machine (Svm),” J. Ilm. Inform. Komput., vol. 26, no. 2, pp. 176–186, 2021, doi: 10.35760/ik.2021.v26i2.4897.

I. N. Atthalla, A. Jovandy, and H. Habibie, “Klasifikasi Penyakit Kanker Payudara Menggunakan Metode K Nearest Neighbor,” Pros. Annu. Res. Semin., vol. 4, no. 1, pp. 148–151, 2018, doi: 10.14421/fourier.2023.122.79-85.

M. I. P. Putra, D. T. Murdiansyah, and A. Aditsania, “Implementasi Algoritma Modified K-Nearest Neighbor ( MKNN ) untuk Klasifikasi Penyakit Kanker Payudara Tugas Akhir diajukan untuk memenuhi salah satu syarat memperoleh gelar sarjana dari Program Studi S1 Ilmu Komputasi M Ikhsan Perdana Putra Program Studi,” E-proceeding Eng., vol. 6, no. 1, pp. 2431–2441, 2019.