SISTEM KLASIFIKASI CITRA USG PAYUDARA MENGGUNAKAN MACHINE LEARNING BERDASARKAN FITUR TEXTURE DAN ZERNIKE MOMENT INVARIANT

Kanker payudara merupakan salah satu penyakit yang tidak menular namun, menjadi penyakit kanker yang menempati urutan pertama di Indonesia dan menjadi penyakit paling umum didunia. Umumnya kanker payudara menyerang wanita, namun tidak dapat dipungkiri bahwa pria juga dapat terserang kanker payudara. terdapat 7,8 juta wanita didunia terdiagnosis kanker payudara dan 685 ribu kematian akibat kanker payudara hingga akhir tahun 2020. Kematian akibat kanker payudara dapat ditekan dengan cara deteksi awal dengan metode screening menggunakan pencitraan ultrasonografi (USG). Dengan perkembangan pengolahan citra saat ini akan mempermudah pendeteksian kanker payudara dengan tahapan pre-processing, ektraksi fitur, dan klasifikasi. Pada penelitian ini penulis menawarkan sistem klasifikasi kanker payudara menggunakan metode ekstraksi Gray Level Co-Occurrence Matrix (GLCM) and Zernike Moment Invariant dengan klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) pada 3 kelas kanker payudara yaitu malignant, benign, dan normal. Sistem klasifikasi menggunakan 3 model terbaik pada tiap-tiap metode. Hasil akurasi terbaik diperoleh dengan metode klasifikasi K-Nearest Neighbor (KNN) menggunakan ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM) pada model Weighted KNN dengan akurasi yang diperoleh sebesar 100.0%