Identifikasi penyakit Pada Citra CT-Scan Menggunakan Metode Support Vector Machine (SVM)

Klasifikasi citra merupakan salah satu ilmu pengolahan citra yang dapat diterapkan dalam berbagai bidang, salah satunya pada bidang medis dengan melakukan identifikasi pada citra CT-Scan. Untuk melakukan klasifkasi pada citra medis CT-Scan yang berupa citra grayscale yaitu citra hitam dan putih, diperlukan proses analisis tekstur dengan menggunakan metode tertentu. Pengenalan tekstur dapat dilakukan dengan cara ekstraksi ciri dengan menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) yaitu sebuah metode yang dapat digunakan untuk ekstraksi fitur, baik itu fitur citra ataupun data lainnya. Ekstraksi fitur dilakukan untuk mengambil informasi pokok dari suatu data tertentu sebelum digunakan dalam proses klasifikasi. Support Vector Machine (SVM) merupakan suatu metode klasifikasi supervised yang berusaha menemukan hyperplane yang terbaik antar dua buah kelas. Dari hasil penelitian, implementasi metode ekstraksi ciri Gray Level Co-Occurrence Matrix (GLCM) dan metode klasifikasi Support Vector Machine (SVM) pada citra CT-Scan dengan jenis penyakit Kanker, Stroke dan Tumor didapat hasil akurasi sebesar 89%.

Image classification is one method of image processing which can be applied in various fields, one of them in the medical field to identify the image of the CT-Scan. To classify the medical images CT-Scan, which is a grayscale image, black and white image, texture analysis process is needed by using certain methods. The analysis of the texture can be done by feature extraction using Gray Level Co-Occurrence Matrix (GLCM), a method that can be used for feature extraction, both feature images or other data. Feature extraction is a process to retrieve basic information from a specific data before it is used in the classification process. Support Vector Machine (SVM) is a supervised classification method that finds the best hyperplane between two classes. Based on test results, the implementation of feature extraction method Gray Level Co-Occurrence Matrix (GLCM) and classification method Support Vector Machine (SVM) on CT-Scan images with the type of diseases cancer, stroke and tumors, the results is 89% accuracy.E#