Klasifikasi Nomsupervised Citra Thermal Kanker Payudara Berbasis Fuzzy C-MEANS

Octa Herlina, Thomas Sri Widada, Indah Susanti

Abstract


Abstract—Breast cancer was a disease with the condition of the breast tissue became abnormal due to the development of cancer cells in the breast area. One method of breast cancer nondestructive detection was through shooting the indicated breast cancer by using an infrared camera.
The emission variations of infrared radiation on the image captured showed the level of cancer. The results of infrared camera imaging was called as thermograph image processed in computing for the classification of cancer in breast areas according to the characteristics of each image. The image feature extraction was obtained through the calculation of the fractal dimension of the image by using the box counting algorithm. Image classification process was done by using the Fuzzy C Means algorithm to determine the level of the breast cancer size based on the T component of the TNM system, namely T0, T1, T2 and T3 to the 22 image data to obtain the value of the parameter cluster centers in Fuzzy C Means.
The results of test showed that the feature extraction of breast thermography image using box counting fractal method gave the different value between normal breast and inflammatory cancer breast tissues. Normal breast tissue (T0) has fractal dimension mean less than T1, there was about 1.161525 with deviation standard value was about 0.593625. Breast with tumor T1 has fractal dimension mean less than T2, there was about 1.45455 with deviation standard value was about 0.4645. Breast with tumor T2 had fractal dimension mean less than T3, there was about 1.6596 with deviation standard value was about 0.2925,and breast with tumor T3 has fractal dimension mean about 1.81294 with deviation standard value was about 0.20199. The classification using Fuzzy C Means in 32x32 pixel box counting testing showed different result with 64x64 pixel box counting testing, there are 27% differences for cluster = 3, and 45% differences for cluster = 4.
Intisari—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.

Full Text:

PDF


DOI: http://dx.doi.org/10.22146/jnteti.v1i3.128

Refbacks

  • There are currently no refbacks.


Copyright (c) 2016 Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI)

JNTETI (Jurnal Nasional Teknik Elektro dan Teknologi Informasi)

Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik Universitas Gadjah Mada
Jl. Grafika No 2. Kampus UGM Yogyakarta 55281
+62 274 552305
jnteti@ugm.ac.id