Identifikasi kanker payudara berdasarkan analisis tekstur Glrlm Citra Ultrasound menggunakan Metode Kelm

Kanker payudara merupakan salah satu penyakit yang disebabkan karena adanya tumor ganas yang asalnya dari kelenjar dan lapisan pendukung kulit payudara. Apabila sel kanker tersebut terus dibiarkan dalam angka waktu yang lama, maka bisa berakibat pada kematian. Oleh sebab itu, tujuan dari penelitian ini yakni mengidentifikasikan kanker payudara dengan menggunakan (GLRLM) Gray Level Run Length Matrix dan juga (KELM) Kernel Extreme Learning Machine. Data yang digunakan pada penelitian ini yakni data citra ultrasound yang terdiri dari 3 kelas yaitu normal, benign, dan malignant. Jumlah data kelas normal sebanyak 133 data, benign sebanyak 253 data, dan malignant sebanyak 210 data. Tahapan pada penelitian ini dimulai dengan menginputkan data, kemudian preprocessing dengan menyamakan citra ke dalam bentuk grayscale. Selanjutnya, melakukan ekstraksi fitur dengan menggunakan GLRLM yang terdiri dari 11 fitur. Hasil dari ekstraksi fitur menunjukkan bahwa kelas benign, malignant, dan normal saling beririsan di semua fitur. Setelah dilakukan ekstraksi fitur, maka langkah selanjutnya yakni melakukan klasifikasi dengan menggunakan metode KELM dengan pembagian data k = 10. Penelitian ini dilakukan uji coba terhadap fungsi kernel, koefisien regulasi dan juga sudut. Langkah selanjutnya yakni melakukan evaluasi model dengan menggunakan confusion matrix. Hasil terbaik yang diperoleh yakni dengan melakukan uji coba pada fungsi kernel RBF di sudut 0◦ dengan nilai koefisien regulasi atau c = 1000. Hasil akurasi, spesifisitas, dan sensitivitas secara berturut-turut yakni 83.05%, 91.58%, 82.21%