Klasifikasi Nomsupervised Citra Thermal Kanker Payudara Berbasis Fuzzy C-MEANS

Abstrak

Kanker payudara adalah penyakit dengan kondisi sifat jaringan pada payudara tersebut menjadi abnormal yang disebabkan oleh perkembangan sel-sel kanker di daerah payudara. Salah satu metoda pendeteksian nondestruktif yang dilakukan adalah melalui pemotretan bagian payudara yang diindikasi mengidap kanker dengan menggunakan kamera infra merah.
Variasi pancaran radiasi infra merah pada citra hasil pemotretan menunjukkan tingkat/level kanker. Hasil pencitraan kamera infra merah yang disebut sebagai citra termografi diproses secara komputasi untuk proses pengklasifikasian kanker di daerah payudara berdasarkan ciri masing-masing citra. Ekstraksi ciri citra didapat melalui penghitungan dimensi fraktal citra dengan algoritma box counting. Proses klasifikasi citra dilakukan untuk menentukan tingkat ukuran kanker payudara berdasarkan komponen T pada sistem TNM, yaitu T0, T1, T2 dan T3 dengan menggunakan algoritma Fuzzy C Means terhadap 22 data citra untuk mendapatkan nilai parameter cluster center pada Fuzzy C Means.
Hasil pengujian menunjukkan bahwa ekstraksi ciri citra termal payudara dengan metode fraktal box counting dapat menunjukkan nilai perbedaan yang jelas antara jaringan payudara normal, dengan payudara yang terjangkit kanker. Jaringan payudara normal (T0) memiliki nilai rerata dimensi fraktal lebih kecil daripada T1 yaitu di sekitar 1.161525 dengan nilai standar deviasi sekitar 0.593625. Payudara dengan tumor T1 memiliki nilai rerata dimensi fraktal lebih kecil daripada T2 yaitu sekitar 1.45455 dengan nilai standar deviasi sekitar 0.4645, jaringan payudara dengan tumor T2 memiliki nilai rerata dimensi fraktal lebih kecil daripada T3 yaitu sekitar 1.6596 dengan nilai standar deviasi sekitar 0.2925, jaringan payudara dengan tumor T3 memiliki nilai rerata dimensi fraktal sekitar 1.81294 dengan nilai standar deviasi sekitar 0.20199. Klasifikasi dengan Fuzzy C Means pada pengujian dengan box counting (ukuran box 32x32 piksel) memperlihatkan perbedaan dengan hasil pengujian box counting (ukuran box 64x64 piksel) sebesar 27% pada jumlah cluster = 3, dan sebesar 45% pada jumlah cluster = 4.