SISTEM KLASIFIKASI SEL PAYUDARA MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX DAN HAAR WAVELET TRANSFORM DENGAN MACHINE LEARNING

KANKER PAYUDARA ADALAH PENYAKIT NON KULIT BERBAHAYA YANG PALING UMUM DIALAMI OLEH WANITA, KANKER PAYUDARA TERJADI KARNA ADANYA PERTUMBUHAN SEL SECARA TIDAK WAJAR PADA JARINGAN PAYUDARA, SECARA UMUM SEL KANKER PAYUDARA DIBAGI MENJADI 2, YAITU BENIGN (JINAK) DAN MALIGNANT (GANAS), DALAM MENDETEKSI SEL PAYUDARA YANG TELAH TERINFEKSI KANKER MEMERLUKAN PEMERIKASAAN MEDIS, SEIRING PERKEMBANGAN ZAMAN PROSES DIAGNOSA DAPAT DILAKUKAN DENGAN TEKNOLOGI KECERDASAN BUATAN IMAGE PROCESSING. PADA PENELITIAN INI MENGGUNAKAN 2 BUAH KELAS YANG TERBAGI MENJADI KELAS 1 BENIGN, DAN KELAS 2 MALIGNANT, JUMLAH CITRA YANG DIGUNAKAN SEBANYAK 1.309 SEBAGAI DATA TRAINING DAN 146 SEBAGAI DATA TESTING. TUJUAN DARI PENELITIAN INI ADALAH UNTUK MENGETAHUI HASIL EKSTRAKSI GRAY LEVEL CO- OCCURANCE MATRIX (GLCM) DAN HAAR WAVELET TRANSFORM. HASIL DARI PROSES EKTRAKSI KEDUA METODE TERSEBUT AKAN DILAKUKAN PROSES KLASIFIKASI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN). OUTPUT YANG DIHASILKAN DARI PROSES KLASIFIKASI BERUPA NILAI AKURASI DARI MASING-MASING METODE KLASIFIKASI. AKURASI TERTINGGI TERDAPAT PADA METODE KLASIFIKASI KNN DENGAN NILAI 91.2% SAAT MENGGUNAKAN FITUR EKSTRAKSI HAAR WAVELET, DAN AKURASI TERENDAH TERDAPAT PADA METODE KLASIFIKASI SVM SAAT MENGGUNAKAN FITUR EKSTRAKSI GLCM