similarity Klasifikasi Kanker Payudara Menggunakan Metode Digital Mammogram

Kanker payudara mengancam populasi wanita di seluruh dunia. Pencegahan dengan deteksi dini penyakit ini sangat penting dalam menurunkan angka kematian. Tujuan utama penelitian ini adalah menganalisis klasifikasi kanker payudara dan menentukan kategori kanker normal dan ganas dengan computer-assisted detection and diagnosis (CAD) untuk mendeteksi penyakit dengan segera. Penelitian ini mengusulkan prototipe sistem klasifikasi kanker payudara menggunakan metode mammogram digital berdasarkan perbandingan fitur kolaborasi Histogram dan Gray Level Co-occurrence Matrix (GLCM). Penelitian ini menggunakan sample citra mammogram 40 kasus dengan rincian 14 kasus jinak, 6 kasus ganas, dan 20 kasus normal. Pada tahap preprocessing, citra disempurnakan dengan nilai Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR). Correlation Based Feature Selection (CFS) digunakan untuk memilih fitur terbaik diantara 12 fitur yang telah diekstraksi sebelumnya. Rata-rata terbaik, standar deviasi, kehalusan, momen sudut momen (ASM), entropi, dan fitur menjamin klasifikasi yang lebih baik dengan dimensi fitur yang lebih sedikit. Histogram dan GLCM digunakan sebagai fitur tekstur. Hasil penelitian ini mendapatkan akurasi 97,67%, spesifisitas 97,63%, sensitivitas 98,40%, dan ROC 97,70%. Penelitian ini dapat digunakan untuk membantu ahli radiologi sebagai bahan pertimbangan dalam mengambil keputusan