IDENTIFIKASI KANKER PARU-PARU MANUSIA PADA CITRA X-RAY BERDASARKAN ANALISIS DENGAN FITUR EKSTRAKSI GREY LEVEL CO-OCCURRENCE MATRIX DAN KLASIFIKASI K-NEAREST NEIGHBOR

DEDY, REBOWO (2016) IDENTIFIKASI KANKER PARU-PARU MANUSIA PADA CITRA X-RAY BERDASARKAN ANALISIS DENGAN FITUR EKSTRAKSI GREY LEVEL CO-OCCURRENCE MATRIX DAN KLASIFIKASI K-NEAREST NEIGHBOR. Skripsi,Fakultas Ilmu Komputer.

Preview

PDF Download (4Kb) | Preview

Abstract

Paru-paru merupakan organ yang sangat penting bagi tubuh manusia terutama untuk pernapasan. Dalam fungsinya paru-paru memiliki tugas utama yaitu menyebarkan oksigen dalam darah saat proses menghirup napas dan mengeluarkan karbondioksida saat menghela napas. Kesehatan paru-paru dipengaruhi dari kualitas udara yang dihirup. Jika kualitas udara yang dihirup kurang baik maka semakin lama fungsi paru-paru akan menurun dan paru-paru akan mengalami gangguan organ seperti kanker paru-paru. Terdapat 80-90 persen kasus kanker paru-paru yang disebabkan karena merokok. kanker paru-paru merupakan kanker yang paling sering terdiagnosis dan merupakan kanker penyebab kematian tertinggi di dunia. Dalam bidang kedokteran pendeteksian kanker paru-paru sendiri kini telah berkembang dengan cepat misalnya dalam dunia medis digunakan alat radiography atau X-ray yang dapat ditampilkan dan di cetak yang kemudian di simpan sebagai gambar digital untuk rekam medis pasien. Namun untuk identifikasi kanker paru-paru pada X-ray sendiri masih menggunakan manual. Dengan data rekam medis pasien yang begitu banyaknya akan menyulitkan untuk proses identifikasi kanker paru-paru. Bagi dokter dan ahli radiologi bahwa bagian yang paling penting dan sulit yaitu ketika mendeteksi bagian kanker dari citra medis X-ray. Dalam penelitian ini penulis mengidentifikasi kanker paru-paru dan paru-paru sehat dengan menggunakan fitur ektraksi Gray Level Co-occurrence Matrix (GLCM) dengan metode K-Nearest Neighbor (K-NN) Classifier. Tahap penelitian dimulai dengan pengumpulan citra kanker paru-paru dan paru-paru sehat. Selanjutnya akan diekstraksi fitur dengan menggunakan fitur GLCM. Tahap berikutnya adalah melakukan klasifikasi antara citra latih dan citra uji dengan menggunakan K-Nearest Neighbor (K-NN) Classifier. Hasil klasifikasi akan dihitung tingkat akurasinya. Serta Membandingkan hasil akurasi dengan mengubah arah sudut pada GLCM dan Jumlah K pada K-Nearest Neighbor (K-NN) Classifier. Dalam penelitian ini telah didapatkan hasil akurasi yang tertinggi dalam mendeteksi kanker paru-paru yaitu sebesar 92.5%.

Actions (login required)