Identifikasi Kanker Paru-Paru Menggunakan Metode Ekualisasi Histogram dan LBP

Authors

  • Stefano Akbar Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan, Universitas Jember
  • Muhammad Syaiful Qisam Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan, Universitas Jember
  • Gladyns Anandita Yasmin Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan, Universitas Jember

Keywords:

Ekualisasi Histogram, Kanker, Local Binary Pattern

Abstract

Kanker merupakan salah satu penyebab kematian terbanyak di seluruh dunia. Pada Pada tahun 2020, jumlah kasus kanker di Indonesia mencapai 396.914 jiwa, dengan 34.783 (sekitar 8,8% dari total kasus) di antaranya adalah kanker paru-paru. Faktor penyebab kanker pada paru-paru paling umum adalah akibat asap rokok baik perokok aktif maupun pasif, polusi udara serta paparan pada lingkungan kerja juga ikut menjadi andil dalam menyebabkan kanker paru-paru. Alat yang mendiagnosa ada atau tidaknya kanker menggunakan Foto Rontgen atau biasa disebut dengan pesawat sinar-X. Tubuh akan dipancarkan sinar-X untuk memeriksa dan medeteksi keluhan dari pasien yang terpapar kanker. Metode ekualisasi histogram digunakan untuk meningkatkan kontras gambar dengan mendistribusikan ulang intensitas piksel secara merata. Metode LBP digunakan karena metode tersebut menggunakan perhitungan sederhana di setiap piksel citra. Metode LBP juga tidak membutuhkan banyak data latih untuk dapat memberi hasil yang baik. Tahap akhir dilakukan metode SVM untuk mengukur nilai akurasi dan presisi dari pengolahan citra yang dilakukan. Perataan histogram dan ekstraksi tekstur LBP digunakan untuk menganalisis radiografi kanker paru. Perataan histogram meningkatkan kontras gambar, sedangkan ekstraksi LBP memberikan informasi tentang tekstur gambar. Berdasarkan hasil ekstraksi LBP, terlihat adanya kelainan pada paru-paru, karena beberapa bagian memiliki kecerahan yang serupa. Hasil ekstraksi LBP yang dianalisis SVM dan hasilnya menunjukkan akurasi hasil pengujian sekitar 62,5% dengan akurasi 57,142%.

Downloads

Published

2023-12-15

Issue

Section

Articles