DETEKSI KANKER PAYUDARA PADA CITRA MIKROKALSIFIKASI MAMMOGRAFI DENGAN METODE NAIVE BAYES
SKRIPSI
MADHANAYU PUTRI TARISTA
PROGRAM STUDI S-1 TEKNOBIOMEDIK DEPARTEMEN FISIKA
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA
PEDOMAN PENGGUNAAN SKRIPSI
KATA PENGANTAR
Puji syukur ke hadirat Tuhan Yang Maha Esa, yang telah melimpahkan
anugerah-Nya, sehingga penulis dapat diberikan kemampuan dalam
menyelesaikan naskah skripsi berjudul “Deteksi Kanker Payudara pada Citra
Mikrokalsifikasi Mammografi dengan Metode Naïve Bayes” dengan baik. Perlu
kiranya dengan ini penulis menjelaskan bahwa naskah skripsi ini ditulis sebagai
salah satu syarat kelulusan dalam menempuh studi S-1 Teknobiomedik, Fakultas
Sains dan Teknologi, Universitas Airlangga.
Penulisan skripsi ini tidak lepas dari bimbingan, dukungan, serta bantuan dari
berbagai pihak. Oleh karena itu, pada kesempatan ini penulis menyampaikan
ucapan terima kasih kepada:
1. Kedua orang tua tercinta, Ibu Endang Susilawati, S.Pd dan Bapak Rinoso Tri Wibowo A.Ma.Pd yang selalu memberikan doa, dukungan, motivasi selama proses penulisan naskah skripsi, serta kakak Hangga Bayu Susila Wibowo yang selalu memberikan semangat hingga terselesaikannya naskah skripsi ini,
2. Bapak Dr. Moh. Yasin, M.Si selaku Ketua Departemen Fisika, Fakultas Sains dan Teknologi, Universitas Airlangga,
vii
4. Endah Purwanti, S.Si., M.T selaku dosen pembimbing II yang selalu memberikan bimbingan, masukan, dan meluangkan waktu bagi penulis untuk berkonsultasi,
5. Ibu Prof. Dr. Retna Apsari, M.Si selaku dosen penguji I atas saran dan perbaikannya dalam penulisan naskah skripsi ini,
6. Bapak Yhosep Gita Yhun Y., S.Si., M.T selaku dosen penguji II atas saran dan perbaikannya dalam penulisan naskah skripsi ini,
7. Bapak Franky Chandra Satria Arisgraha, S.T., M.T selaku dosen wali yang telah memberikan arahan dan motivasi baik dalam hal akademik, maupun non akademik,
8. Teman-teman Teknobiomedik 2011, AIRBLAST, Nobby, Revina, Evelyn, Anggrek, Niera, Zuhda, Fitri, La Febry, Shofa, Adit, Ardy, Aries, Arif, Rahayu, Systi, Adanti, Ludita, Dede, Icha, Hendita, Qulub, Tia, Ijus, Husni, Ewing, Dzihan, dan Hafidh yang selalu memberikan doa, semangat, masukan, dan bersama dalam suka dan duka,
9. Kakak-kakak Teknobiomedik angkatan 2008, 2009, dan 2010, serta adik-adik Teknobiomedik angkatan 2012, 2013, 2014, dan 2015 yang tidak bisa disebutkan satu per satu atas bantuan dan dukungannya,
10. Pak Samidi, Pak Riski, dan Bu Endang yang selalu memberikan informasi kepada penulis dan dukungannya di Lab setiap hari,
Penulis menyadari bahwa naskah skripsi ini masih banyak kekurangan.
Oleh karena itu, kritik dan saran yang membangun sangat diharapkan untuk
mengembangkan penelitian ini.
Surabaya, Februari 2016
Penulis,
Tarista, Madhanayu Putri, 2016, Deteksi Kanker Payudara pada Citra Mikrokalsifikasi Mammografi dengan Metode Naive Bayes, Skripsi ini dibawah bimbingan Dr. Khusnul Ain, M.Si., dan Endah Purwanti, S.Si., M.T., Program Studi S-1 Teknobiomedik, Departemen Fisika, Fakultas Sains dan Teknologi, Universitas Airlangga.
ABSTRAK
Mammografi merupakan teknik pemeriksaan kanker payudara dengan menggunakan sinar X untuk memeriksa jaringan payudara. Hasil dari pemeriksaan mammografi berupa citra digital mammogram yang akan diinterpretasi oleh ahli radiolog untuk melakukan diagnosa adanya abnormalitas. Gejala kanker payudara dapat dideteksi dengan adanya mikrokalsifikasi pada mammogram. Deteksi dini kanker payudara sangat penting untuk mendapatkan diagnosis kanker pada tahapan awal sehingga dapat mengurangi angka kematian. Penelitian ini dilakukan untuk deteksi kanker payudara pada citra mikrokalsifikasi mammografi. Metode yang digunakan dalam penelitian ini terdiri dari tiga tahapan utama, yaitu preprocessing, ekstraksi fitur tekstur GLCM, dan klasifikasi menggunakan metode Naive Bayes. Preprocessing diperlukan untuk menghilangkan noise pada citra sehingga diperoleh kualitas citra yang lebih baik. Metode ekstraksi fitur yang digunakan adalah metode ekstraksi fitur tekstur GLCM yang didahului dengan pembuatan matriks co-occurence sebagai area kerja untuk melakukan ekstrasi fitur. Klasifikasi Naive Bayes digunakan untuk melakukan deteksi adanya mikrokalsifikasi pada mammogram. Citra mammogram yang digunakan dikelompokkan menjadi kelas normal, abnormal mikrokalsifikasi, dan abnormal bukan mikrokalsifikasi. Fitur kontras, korelasi, energi, dan homogenitas digunakan sebagai parameter yang optimal untuk melakukan klasifikasi kelas kanker payudara dengan tingkat akurasi yang dihasilkan sistem sebesar 46.14%.
ix
Tarista, Madhanayu Putri, 2016, Breast Cancer Detection on Imaging Mammography Microcalcifications with Naive Bayes Method, This research was under guidance by Dr. Khusnul Ain, M.Si., dan Endah Purwanti, S.Si., M.T., S-1 Biomedical Engineering, Physics Department, Science and Technology Faculty, Universitas Airlangga.
ABSTRACT
Mammography is a breast cancer screening technique using X-rays to examine the breast tissue. The results of mammography examination on the form of digital mammogram images will be interpreted by a radiologist for diagnosing abnormalities. The symptoms of breast cancer can be detected in the presence of microcalcifications on mammograms. Early detection of breast cancer is very important to get a diagnosis of cancer on the early stage to reduce mortality. The aim of this research was for detecting breast cancer on mammography image microcalcifications. This research method consisted of three main stages, such as preprocessing, GLCM texture feature extraction and classification using Naive Bayes method. Preprocessing was necessary to eliminate the noise in the image in order to obtain a better image quality. This research used texture features GLCM extraction method preceded by manufacture of co-occurence matrix as a work area to perform feature extraction. Naive Bayes classification was used to detect the presence of microcalcifications on mammograms. Mammogram imaging that used in this research was grouped into normal classes, abnormal microcalcifications, and abnormal non-microcalcifications. Contrast features, correlation, energy, and homogeneity were used as the optimal parameter to classify the classes of breast cancer with a level of accuracy generated by the system by 46.15%.
DAFTAR ISI
HALAMAN JUDUL ... i
LEMBAR PERNYATAAN ... ii
LEMBAR PENGESAHAN NASKAH SKRIPSI ... iii
PEDOMAN PENGGUNAAN SKRIPSI ... iv
SURAT ORISINALITAS ... v
KATA PENGANTAR ... vi ABSTRAK ... viii
ABSTRACT ... ix DAFTAR ISI ... x
DAFTAR TABEL ... xiii
DAFTAR GAMBAR ... xiv DAFTAR LAMPIRAN ... xvi BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 6
1.3 Batasan Masalah ... 6
1.4 Tujuan Penelitian ... 7
1.5 Manfaat Penelitian ... 7
BAB II TINJAUAN PUSTAKA ... 8
xi
2.2.2 Tanda dan Gejala Kanker Payudara ... 9
2.2.3 Klasifikasi Kanker Payudara ... 10
2.3 Pemeriksaan Kanker Payudara ... 11
2.4 Mammografi ... 13
2.4.1 Definisi Mammografi ... 13
2.4.2 Prosedur Pemeriksaan Menggunakan Mammografi ... 13
2.4.3 Interpretasi Citra Mammografi... 14
2.5 Pengolahan Citra Digital ... .... 16
2.5.1 Definisi Citra Digital ... 16
2.5.2 Pemrosesan Citra ... 17
2.5.3 Operasi Pemrosesan Citra Digital ... 18
2.6 Klasifikasi Menggunakan Naive Bayes Classifiers ... .... 26
2.6.1 Definisi Naive Bayes... 26
3.3.3 Ekstrasi Fitur dengan GLCM... 36
3.3.4 Klasifikasi Data ... 38
3.3.4 Analisa Data... 38
3.4 Rancangan Graphical User Interface (GUI) Program ... 40
BAB IV HASIL DAN PEMBAHASAN ... 44
4.2 Hasil Image Preprocessing ... 45
4.3 Hasil Ekstraksi Fitur Gray Level Co-Occurence Matrix ... 47
4.4 Hasil Metode Naive Bayes untuk Klasifikasi Citra Mammografi ... 50
4.5 Tampilan Program ... 54
BAB V KESIMPULAN DAN SARAN ... 60
5.1 KESIMPULAN ... 60
5.2 SARAN ... 60
DAFTAR PUSTAKA ... 62
xiii
DAFTAR TABEL
Nomor Judul Tabel Halaman
2.1 Gray Level Co-occurence Matrix (GLCM) Simetris Ternormalisasi
dari Matriks I... 24
3.1 Kesesuaian Target antara Hasil Klasifikasi Sistem ... 40
4.1 Nilai Fitur Data Training (Dataset) ... 50
4.2 Nilai Fitur Data Training Kelas Normal ... 52
4.3 Nilai Fitur Data Training Kelas Abnormal Mikrokalsifikasi ... 52
4.4 Nilai Fitur Data Training Kelas Abnormal Bukan Mikrokalsifikasi . 53 4.5 Nilai Fitur Data Testing ... 53
DAFTAR GAMBAR
Nomor Judul Gambar Halaman
2.1 Anatomi Payudara ... 9
2.2 Ilustrasi Kanker Payudara ... 10
2.3 Pemeriksaan Menggunakan Mammografi ... 14
2.4a Citra Hasil Pemeriksaan Mammografi Posisi Cranio-Caudal ... 14
2.4b Citra Hasil Pemeriksaan Mammografi Posisi Medio-Lateral Oblique ... 14
2.10a Histogram citra sebagai fungsi probabilitas kemunculan nilai intensitas pada citra ... 21
xv
4.2b Citra Citra Mammografi Normal Mula-mula Setelah Mengalami Median Filter ... 46
4.2c Citra Citra Mammografi Normal Mula-mula Setelah Mengalami Median Filter dan Histogram Equalization ... 46
4.2d Citra Mammografi Abnormal Mula-mula ... 46
4.2e Citra Citra Mammografi Abnormal Mula-mula Setelah Mengalami Median Filter ... 46
4.2f Citra Mammografi Citra Mammografi Abnormal Mula-mula Setelah Mengalami Median Filter dan Histogram Equalization ... 46
4.3a Citra Mammografi Normal Setelah Mengalami Proses Thresholding ... 47
4.3b Citra Mammografi Abnormal Setelah Mengalami Proses Thresholding ... 47
4.4 Tampilan Menu Home pada Sistem ... 55
4.5 Tampilan Menu About ... 55
4.6 Tampilan Menu Klasifikasi... 56
DAFTAR LAMPIRAN
Nomor Judul Lampiran
1 Kode Program Deteksi Kanker Payudara dengan Metode Naive Bayes 65
2 Citra Mammogram Asli ... 77
3 Citra Mammogram Hasil Median Filter ... 81
4 Citra Mammogram Hasil Histogram Equalizatiton ... 85