SEGMENTASI MAMOGRAFI KANKER PAYUDARA DENGAN ALGORITMA EXPECTATION MAXIMIZATION SEGMENTATION (EM-SEGMENTATION)

Lestari Handayani, Indah Inzani Septa

Abstract


Kanker merupakan penyebab utama kematian pada manusia. Salah satu kanker yang menyebabkan kematian yaitu kanker payudara. Kanker payudara adalah kanker yang terjadi pada payudara karena adanya pertumbuhan yang tidak terkendali dari sel-sel kelenjar dan salurannya, sehingga merusak organ atau jaringan sekitar dan melakukan penyebaran kebagian tubuh yang lain. Untuk membantu para Radiologi dan Dokter ahli Radiolog dalam mendeteksi kanker, penderita bisa melakukan Mamografi. Mamografi merupakan pemeriksaan dengan menggunakan sinar-X yang memberikan gambaran tentang jaringan lunak pada payudara. Dalam bidang kedokteran. Radiolog sering mengalami kesulitan dalam mengamati citra mentah hasil Mamografi, karena citra yang dihasilkan mempunyai derajat keabuan sehingga sulit melihat jelas area pengenalan bagian kanker. Untuk mengatasi hal tersebut perlu dilakukan operasi pengolahan citra. Salah satu proses pengolahan citra yaitu segmentasi. Segmentasi Mamografi pada citra tersebut merupakan proses memperjelas dan mempertajam ciri atau fitur citra sehingga tersegmentasi dengan pembagian Cluster. Segmentasi Mamografi pada citra ini menggunakan Algoritma Expectation Maximization Segmentation. Setelah dilakukan pengujian dengan jumlah Cluster dan berdasarkan pandangan Dokter, segmentasi citra ini menghasilkan citra yang tersegmentasi dalam beberapa Cluster. Diantara Cluster tersebut merupakan pengenalan area letak kanker. Berdasarkan pengujian Dokter Radiologi, hasil segmentasi yang baik yaitu pada Cluster 5, dengan warna merah tua area kanker dan warna orange penyebarannya.

Keywords


Algoritma Expectation Maximization Segmentation, Kanker payudara, Mamografi, Pengolahan citra

Full Text:

PDF

References


Ayu N., Fourina dan Wulan P, Santi. Analisis (2012), Diagnosis Pasien Kanker Payudara Menggunakan Regresi Logistik dan Support

Vector Machine (SVM) Berdasarkan Hasil Mamografi. Jurnal Sains dan Seni ITS, Vol. 1, No. 1, 2012.

Cascio, D., Fauci, F., Magro, R., Raso, G., Bellotti, R., De Carlo, F., … Torres, E. L. (2006). Mammogram Segmentation by Contour

Searching and Mass Lesions Classification With Neural Network. IEEE Transactions on Nuclear Science, 53(5), 2827–2833. doi:10.1109/TNS.2006.878003

Kurnia P, Dane ., Santoso, Imam dan Ajulian Z, Ajub. (2009), Identifikasi Keberadaan Kanker Pada Citra Mammografi Menggunakan Metode Wavelet Haar. Transmisi, Jurnal Teknik Elektro, Vol 11,

No. 2, 2009.

Munir, R. (2004), Pengolahan Citra Digital. Penerbit Informatika Bandung, Bandung.

Mustapha, N., Jalali, M. (2009), Expectation Maximization Clustering Algoritma for user Modelingin Web usage Mining system, Faculty of Computer science and Information Technology, University Putra Malaysia. Vol.32. 2009.

Paulus, E., Nataliani, N. (2007), Cepat mahir GUI Matlab. Penerbit Andi, Yogyakarta.

Putra, D. (2010), Pengolahan Citra Digital. Penerbit Andi, Yogyakarta.

_., (2012), Data penderita kanker payudara di dunia. Diakses pada tanggal 13 Desember 2012 dari [http://www.who.int/cancer/detection/braestcancer/en/index1.html]




DOI: http://dx.doi.org/10.24014/sitekin.v11i2.753

Refbacks

  • There are currently no refbacks.


Copyright (c) 2015 Jurnal Sains dan Teknologi Industri

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Editorial Address:
FAKULTAS SAINS DAN TEKNOLOGI
UIN SULTAN SYARIF KASIM RIAU

Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sitekin@uin-suska.ac.id
© 2023 SITEKIN, ISSN 2407-0939

SITEKIN Journal Indexing:

Google Scholar | Garuda | Moraref | IndexCopernicus | SINTA


Creative Commons License
SITEKIN by http://ejournal.uin-suska.ac.id/index.php