Implemantasi Metode Convolutional Neural Network Dan Ekstraksi GLCM Pada Klasifikasi Kanker Paru

Abstract

Paru-paru merupakan salah-satu organ dalam tubuh yang sangat penting untuk tetap bernafas namun tidak lepas dari berbagai penyakit, salah-satu kasus yang paling besar yaitu kanker paru. Kanker paru terbagi dalam 2 jenis dengan jenis NSCLC menjadi kasus yang paling banyak terjadi. Jenis NSCLC memiliki jenis Adenocarcinoma dan Squamous Cell Carcinoma, serta adanya jenis Paru Normal. Pada penelitian ini, memiliki tujuan untuk mengetahui jenis kanker paru dengan menggunakan citra. Citra akan diidentifikasi menggunakan algoritma Convolutional Neural Network (CNN) dengan melakukan perbandingan performa algoritma menggunakan masing-masing proses ekstraksi fitur Gray Level Co-occurance Matrix (GLCM) dan Hue, Saturation, Value (HSV). Pengujian dilakukan dengan 930 sampel citra CT-Scan histopathological, 80% citra sebagai data pelatihan dan 20% citra sebagai data pengujian. Hasil pengujian menunjukan metode algoritma CNN dengan ekstraksi GLCM mempunyai nilai rata-rata akurasi 52.69%, lalu dengan ekstraksi HSV mendapatkan nilai rata-rata akurasi 72.04%, sedangkan dengan menggunakan gabungan ekstraksi fitur GLCM dan HSV mendapatkan nilai rata-rata akurasi 84.41%. Sehingga dapat disimpulkan, pada penelitian ini, performa algoritma CNN dengan menggunakan gabungan kedua ekstraksi fitur GLCM dan HSV lebih baik dibandingkan dengan hanya menggunakan masing-masing dari ekstraksi fitur.