EKSTRAKSI CIRI BERBASIS WAVELET DAN GLCM UNTUK DETEKSI DINI KANKER PAYUDARA PADA CITRA MAMMOGRAM

Kanker payudara merupakan pembunuh nomor dua di dunia setelah kanker mulut rahim pada wanita. Dengan adanya deteksi dini kanker payudara kesempatan untuk bertahan hidup bagi penderita dapat ditingkatkan. Pada penelitian ini dilakukan pengolahan citra yang dapat melakukan pendeteksian dini terhadap kanker payudara. Terlebih dahulu dilakukan pra pengolahan pada citra dengan median filter dan connected component labeling (CCL) yang bertujuan untuk meningkatkan kualitas dan menghilangkan derau pada mammogram. Dengan mengekstrak ciri energi dari wavelet dekomposisi “haar” level 3, entropi, dan juga 5 ciri GLCM : IDM, ASM, korelasi, entropi, kontras. kemudian dilakukan klasifikasi berbasis statistik yaitu dengan regresi logistik untuk mendeteksi apakah citra mammogram termasuk normal atau abnormal. Penelitian dilakukan pada 108 data, yaitu 78 data abnormal dan 30 data normal, untuk pengujian dilakukan dengan algoritma k-fold validation. Pada fold-11 didapatkan nilai akurasi 81,45%, sensitivitas 82% dan spesifisitas 77,78%. Kata Kunci : GLCM, regresi logistik., transformasi wavele