Klasifikasi Kanker Payudara Menggunakan Citra Termal Berdasarkan Filter Gabor

Abstract

Penelitian ini bertujuan untuk mengambil nilai fitur dari citra termal payudara melalui ekstraksi fitur Filter Gabor, dengan fokus pada mean, variance, kurtosis, skewness, dan entropi, serta untuk mengevaluasi kinerja tiga metode klasifikasi, yaitu K-Nearest Neighbor (KNN), Support Vector Machine (SVM), dan Artificial Neural Network (ANN). Kanker payudara merupakan masalah kesehatan yang serius, terutama bagi perempuan, karena potensial menyebabkan kematian. Dalam upaya mengurangi risiko kematian, penelitian dilakukan untuk mendeteksi kanker secara dini, termasuk menggunakan termografi. Metode ini memanfaatkan suhu dari objek untuk mendeteksi kanker, dimana pola suhu yang berbeda di area payudara yang terkena kanker dapat diamati karena peningkatan aliran darah. Penelitian menggunakan citra termal dari Database for Mastology Research (DMR) sebanyak 150 citra, dengan 108 citra sehat dan 42 citra sakit. Fitur tekstur diekstraksi menggunakan Filter Gabor dengan variasi skala dan sudut orientasi tertentu. Hasilnya diuji dengan beberapa metode klasifikasi, dimana ANN menunjukkan akurasi tertinggi yaitu 88.88%, diikuti oleh KNN dengan 86.66% dan SVM dengan 84.44%. Hasil ini menegaskan bahwa termografi bersama dengan ekstraksi fitur tekstur dan algoritma pembelajaran mesin dapat efektif dalam mendeteksi kanker payudara secara dini, menawarkan potensi diagnosis dini dan manajemen penyakit yang efektif.