SISTEM PENDETEKSI PENYAKIT BERDASARKAN CITRA BODY FLUID MENGGUNAKAN METODE HISTOGRAM OF ORIENTED GRADIENT DAN GRAY LEVEL CO-OCCURRENCE MATRIX DAN MULTI-LAYER PERCEPTRON

Cairan tubuh berfungsi sebagai keseimbangan tubuh, selain itu cairan tubuh juga dapat digunakan sebagai cara untuk mendeteksi sebuah penyakit yang ada pada perut dan dada. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra cairan tubuh berdasarkan metode ekstraksi fitur Histogram of Oriented Gradient dan Gray Level Co-occurance Matrix, serta menggunakan algoritma pelatihan Artificial Neural Network dengan 4 model yaitu trainlm, transcg, trsinoss, dan traingdx. Penelitian ini menggunakan input data berupa citra Body Fluid sejumlah 1273 citra yang terbagi menjadi 2 kelas yaitu, Adenocarcinoma dan Benign. Hasil dari penelitian ini berupa nilai akurasi yang menunjukkan bahwa metode ekstraksi fitur Gray Level Co-occurance Matrix lebih baik daripada Histogram of Oriented Gradient. Dalam menggunakan metode Artificial Neural Network menunjukkan bahwa ekstraksi fitur Gray Level Co-occurance Matrix dengan model trainlm hidden node 10 merupakan hasil terbaik dengan akurasi Training terbaik sebesar 97,8%, akurasi Testing terbaik sebesar 97,9%, dan Best Epoch sebanyak 42