Klasifikasi Jenis Kanker Prostat Melalui Citra MRI Menggunakan Metode Watershed dan Multiclass Support Vector Machine
DOI:
https://doi.org/10.26905/jtmi.v10i2.12666Abstract
Kelenjar prostat merupakan salah satu bagian organ sistem reproduksi pria. Kelenjar prostat merupakan salah satu organ yang tidak jarang terkena penyakit kanker. Penyakit kanker prostat merupakan salah satu penyakit teratas yang sering muncul sebagai salah satu penyakit mematikan di dunia. Termasuk di Asia, kejadian penderita kanker prostat rata-rata 7,21 per 100.000 pria setiap tahunnya. Untuk mengetahui gejala kanker biasanya bisa dilakukan deteksi dini pada laki-laki melalui proses pemeriksaan colok dubur. Namun ada metode lain yaitu memanfaatkan teknologi pencitraan yaitu citra MRI pada kanker prostat sehingga bisa diketahui ukuran dari kanker tersebut. Dengan menerapkan metode dalam pengolahan citra yaitu segmentasi Watershed dan metode Multiclass Support Vector Machine maka bisa dilakukan klasifikasi jenis kanker prostat melalui citra MRI. Dari hasil penelitian yang dilakukan bisa dijelaskan bahwa hasil segmentasi citra MRI kanker prostat menggunakan metode Watershed bisa menunjukkan spot area kanker yang terdeteksi. Sedangkan dari penggunaan metode MultiSVM untuk metode klasifikasi menunjukkan hasil akurasi mencapai 90,166% untuk jenis kernel polynomial.References
A. Muzakir, A. Desiani, and A. Amran. (2023). Klasifikasi Penyakit Kanker Prostat Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor, Komputika J. Sist. Komput., vol. 12, no. 1, pp. 73–79, 2023, doi: 10.34010/komputika.v12i1.9629.
I. A. U. Indonesia. (2022). Panduan Penanganan Kanker Prostat. Ikatan Ahli Urologi Indnesia.
C. L. Daniswara. (2020). Pencitraan Kanker Prostat, Cdk-283, vol. 47, no. 2, pp. 144–148.
B. M. Rashed and N. Popescu. (2022) Critical Analysis of the Current Medical Image-Based Processing Techniques for Automatic Disease Evaluation: Systematic Literature Review, Sensors, vol. 22, no. 18, doi: 10.3390/s22187065.
S. Saifullah. (2020). Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur, Syst. Inf. Syst. Informatics J., vol. 5, no. 2, pp. 53–60, doi: 10.29080/systemic.v5i2.798.
Y. Lu, Z. Jiang, T. Zhou, and S. Fu. (2019). An Improved Watershed Segmentation Algorithm of Medical Tumor Image, IOP Conf. Ser. Mater. Sci. Eng., vol. 677, no. 4, doi: 10.1088/1757-899X/677/4/042028.
R. L. Hasanah and D. Riana. (2021). Classification of Dermoscopic Image of Skin Cancer Using the GLCM Method and Multi-SVM Algorithm,†Rekayasa, vol. 14, no. 3, pp. 407–415, doi: 10.21107/rekayasa.v14i3.12213.
R. Khan and T. Mehmood. (2022). Classification of Thoracic Diseases Based on Chest X-ray Images Using Kernel Support Vector Machine, Math. Probl. Eng., vol. 2022, doi: 10.1155/2022/9457730.
H. Nugroho, M. Hakimah, and A. W. Azinar, Image Enhancement Citra Zoom dengan Menggunakan Metode Bilinear Interpolation dari Kamera Webcam, Netw. Eng. Res. Oper., vol. 4, no. 2, 2019, doi: 10.21107/nero.v4i2.125.
R. Riries et al.. (2021). Cervical single cell of squamous intraepithelial lesion classification using shape features and extreme learning machine,†J. Phys. Conf. Ser., vol. 1816, no. 1, doi: 10.1088/1742-6596/1816/1/012081.
I. P. Wardhani et al. (2021). Algoritma Identi kasi Ciri Citra Pegunungan dengan Metode Cropping Pendahuluan Metode Penelitian, vol. 20, pp. 283–289.
R. Putra. (2022). Identifikasi Jenis Tanaman Anggrek Melalui Tekstur Bunga dengan Tapis,†JOINTECS, vol. 3, no. 28, pp. 29–34.
C. Purnama Yanti and I. G. Andika. (2020). HSV Image Classification of Ancient Script on Copper Kintamani Inscriptions Using GLRCM and SVM, J. Teknol. dan Sist. Komput., vol. 8, no. 2, pp. 94–99, doi: 10.14710/jtsiskom.8.2.2020.94-99.
A. Andreansyah, R. F. Gusa, and M. Jumnahdi. (2019). Pengenalan Pola Sidik Jari Menggunakan Multi-Class Support Vector Machine, J. ELKHA, vol. 11, no. 2, pp. 79–84.
C. Wijaya, H. Irsyad, and W. Widhiarso. (2020). Klasifikasi Pneumonia Menggunakan Metode K-Nearest Neighbor Dengan Ekstraksi Glcm, J. Algoritm., vol. 1, no. 1, pp. 33–44, doi: 10.35957/algoritme.v1i1.431.
Downloads
Additional Files
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
(1)Â Copyright of the published articles will be transferred to the journal as the publisher of the manuscripts. Therefore, the author confirms that the copyright has been managed by the journal.
(2) Publisher of JTMI: Jurnal Teknologi dan Manajemen Informatika is University of Merdeka Malang.
(3) The copyright follows Creative Commons Attribution–ShareAlike License (CC BY SA): This license allows to Share — copy and redistribute the material in any medium or format, Adapt — remix, transform, and build upon the material, for any purpose, even commercially.
