Segmentasi Citra Mammogram Untuk Deteksi Dini Kanker Payudara Dengan Menggunakan Metode Otsu Thresholding dan Ekstraksi Fitur Dengan Menggunakan Metode GLCM

Maulida, Atika and Nurhidayah, Nurhidayah and Fendriani, Yoza (2021) Segmentasi Citra Mammogram Untuk Deteksi Dini Kanker Payudara Dengan Menggunakan Metode Otsu Thresholding dan Ekstraksi Fitur Dengan Menggunakan Metode GLCM. S1 thesis, Universitas Jambi.

	Text Skripsi Atika Maulida F1C317026_Fisika Saintek.pdf Restricted to Repository staff only Download (1MB)
	Text Cover Skripsi Atika Maulida-dikonversi.pdf Download (71kB)
	Text Halaman Pengesahan Skripsi Atika Maulida.pdf Download (284kB)
	Text ABSTRAK-dikonversi.pdf Download (43kB)
	Text BAB 1-dikonversi (2).pdf Download (137kB)
	Text BAB V-dikonversi (1).pdf Download (87kB)
	Text DAFTAR PUSTAKA-dikonversi (1).pdf Download (100kB)

Abstract

Kanker payudara merupakan kanker yang paling banyak terdiagnosa pada wanita diseluruh dunia. Kanker payudara menempati urutan kedua tertinggi sebagai penyebab kematian pada wanita. Deteksi dini pada kanker payudara salah satunya dapat melalui prosedur mammografi yang akan menghasilkan citra mammogram. Penelitian ini merupakan upaya untuk melakukan deteksi dan segmentasi dengan menggunakan teknik pemrosesan citra terhadap objek yang dicurigai sebagai lesi kanker payudara pada citra mammogram dengan menggunakan metode Otsu Thresholding dan selanjutnya dilakukan ekstraksi fitur citra hasil dari segmentasi dengan menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Hasil penelitian menunjukkan metode yang diajukan mampu melakukan deteksi dan segmentasi terhadap lesi kanker payudara dengan baik. Ekstraksi fitur dari objek dilakukan pada fitur tekstur citra dengan data yang digunakan adalah sebanyak 6 citra dengan menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Dari pengujian diketahui bahwa nilai-nilai ciri stektur menggunakan Gray Level Co-occurrence Matrix (GLCM) pada masing-masing citra mammogram kanker payudara berbeda-beda. Pemakaian arah sudut yang berbeda-beda akan menghasilkan nilai matriks Gray Level Co-occurrence Matrix (GLCM) yang berbeda pula.

Type:	Thesis (S1)
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Sains dan Teknologi > Fisika
Depositing User:	MAULIDA
Date Deposited:	23 Nov 2021 06:34
Last Modified:	23 Nov 2021 06:34
URI:	https://repository.unja.ac.id/id/eprint/27827

Actions (login required)

View Item