Text

Analisis Tekstur Citra Mikroskopis Kanker Paru Menggunakan Metode Gray Level Co-Occurance Matrix (GLMC) Dan Transformasi Wavelet Dengan Klasifikasi Naive Bayes

---

Intisari

Pada penelitian ini dilakukan sistem deteksi kanker paru pada citra mikroskopis.
Citra mikroskopis yang digunakan adalah hasil biopsi paru. Citra biopsi paru jika terdapat
jaringan kanker, memiliki tekstur yang tidak teratur, sedangkan pada citra biopsi paru
normal akan memiliki tekstur yang teratur. Penelitian ini bertujuan mengembangkan sistem
deteksi kanker paru dan menghitung kinerja sistem deteksi kanker paru. Proses klasifikasi
dilakukan dengan menggunakan dua metode ekstraksi ciri yaitu Gray Level Co-Occurance
Matrix (GLCM) dan Transformasi wavelet. Transformasi wavelet yang digunakan wavelet
daubechies dekomposisi level 4 dan GLCM jarak antar piksel (offset) yang digunakan
sebesar 6. Proses ektraksi ciri yang dilakukan pada transformasi wavelet menggunakan 4
subband yaitu aproksimasi, koefisien detail horizontal, koefisien detail vertikal dan
koefisien detail diagonal dan ekstraksi ciri GLCM menggunakan parameter kontras,
korelasi, homogenitas dan energi. Proses klasifikasi naive bayes memerlukan dua
parameter masukan, dilakukan kombinasi 4 parameter dari masing-masing metode
ekstraksi ciri tersebut. Penelitian ini menghasilkan tingkat akurasi sebesar 71,42% untuk
ekstraksi ciri metode transformasi wavelet pasangan kombinasi koefisien aproksimasikoefisien detail vertikal dan akurasi pada metode GLCM sebesar 80% untuk kombinasi
homogenitas-korelasi.
Kata Kunci : Kanker Paru, Citra Mikroskopis, Transformasi Wavelet, Gray Level CoOccurance Matrix, Klasifikasi Naive bayes,

Abstract

This research, conduct the lung cancer detection system on a microscopic image.
The microscopic image used is the result from lung biopsy. If there is a cancerous tissue in
the image of lung biopsy, the texture will be irregular, while the image of the normal lung
biopsy will have a regular texture. The purpose of this reserach is to develope the lung
cancer detection system and also to count the performance of the lung cancer detection
system. The clasification process uses two methods, Gray Level Co-Occurance Matrix
(GLCM) and Daubechies Wavelet Transform (db1). The Daubechies wavelet
transformation is used in decomposition in level 4, while the offset of GLCM is 6. The
feature extraction process is done in the transformation wavelet using the 4 subbands,
approximation, horizontal Detils coefficients, vertical Detil coefficients and diagonal Detil
coefficients, and the the feature extraction of GLCM uses the contrast, correlation,
homogenity and energi as the parameter. The naïve bayes classification requires 2
parameter input, do a classification is 4 combination from each method of feature
extraction. The result of this research is to extent the level of accuracy for the extraction of
the feature extraction in 71,42% wavelet transformation method for the combination
coefficients approximation-vertical Detil coefficients and 80% accuration of GLCM
method for the combination of homogeneity-correlation.
Key words : Lung Cancer, Microcopic Image,Wavelet Transform, Gray Level Co
Occurance Matrix. Naive Bayes Classification

---

Ketersediaan

1069D16IV

1069 D 2016

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

FISIKA

No. Panggil

1069 D 2016

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1317

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Rizky Ayomi Syifa

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar