KLASIFIKASI TUMOR JINAK DAN TUMOR GANAS PADA CITRA MAMMOGRAM MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN SUPPORT VECTOR MACHINE (SVM)

Abstract

Kanker payudara merupakan penyebab utama kematian pada wanita. Data Global Cancer Observatory 2018 dari World Health Organization (WHO, 2020) menunjukkan kasus kanker yang paling banyak terjadi di Indonesia adalah kanker payudara, yakni 58.256 kasus atau 16.7% dari total 348.809 kasus kanker. Mamografi merupakan teknik yang paling umum digunakan dalam mendeteksi tumor payudara menggunakan sistem sinar-X dosis rendah. Ada beberapa tipe abnormalitas dalam citra mammogram, yaitu mikrokalsifikasi dan massa. Penelitian ini bertujuan untuk meningkatkan performa sistem Computer-Aided Diagnosis (CAD) dalam mengklasifikasi tumor jinak dan tumor ganas dengan mengembangkan metode ekstraksi fitur menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan metode klasifikasi menggunakan Support Vector Machine (SVM). Uji coba dilakukan dengan menggunakan database DDSM dengan 256 citra abnormal (95 tumor jinak dan 161 tumor ganas) menghasilkan nilai akurasi sebesar 83.59% dengan nilai sensitivitas dan spesifisitas 87.58% dan 76.84%. Selain itu, didapatkan nilai AUC sebesar 0.98%. Metode tersebut menunjukkan bahwa sistem memberikan hasil performa yang baik dalam mengklasifikasi tumor jinak dan tumor ganas.