Tugas akhir ini berkaitan dengan pengembangan aplikasi komputer untuk mengklasifikasikan citra jaringan payudara. Hasil dari tugas akhir ini adalah aplikasi komputer yang dapat mengklasifikasikan citra jaringan payudara secara otomatis sehingga dapat meringankan beban ahli patologi dalam menganalisis jaringan payudara. Kanker payudara merupakan penyakit yang paling sering menyerang dan menyebabkan kematian pada wanita. Pendeteksian dini pada penyakit kanker payudara dapat membantu meningkatkan harapan hidup pasien dengan mengetahui penanganan yang tepat sesuai kondisi pasien, salah satu prosedurnya adalah biopsi. Hasil dari prosedur biopsi adalah citra jaringan payudara (histologi) karakteristik tertentu. Karakteristik tersebut akan dianalisis oleh spesialis (patolog) untuk mengklasifikasikan jaringan payudara. Namun, analisis jaringan payudara merupakan pekerjaan yang melelahkan bagi seorang patolog karena setiap harinya harus menganalisis ratusan jaringan mikroskopis payudara dimana waktu rata-rata untuk analisis untuk satu citranya adalah 15 menit. Karena itu, hasil analisis rentan terhadap kesalahan dan subjektif. Citra histologi mengandung banyak informasi tentang kanker payudara dan diperlukan media untuk membantu patolog, salah satunya adalah penerapan metode CAD (Computer-Aided Diagnosis). Namun pengembangan CAD masih menjadi tantangan. Untuk membantu patolog dalam menganalisis citra histologi pada prosedur biopsi, maka dikembangkan Aplikasi Klasifikasi Citra Histologi Payudara untuk mengklasifikasikan citra histologi secara otomatis. Setiap citra histologi diekstrak informasi parameter statistikanya yaitu kuartil 1, median, kuartil 3, mean dan standar deviasi yang diambil dari setiap kanal dari mode warna RGB, XYZ, CIELab, CIELuv, HSV, YCbCr dan skala keabuan. Parameter tersebut kemudian digunakan untuk mengklasifikasi citra histologi payudara menjadi empat klasifikasi yaitu invasive carcinoma (kanker ganas), insitu carcinoma (kanker), benign (tumor), dan normal. Metode klasifikasi yang digunakan adalah support vector machine. Akurasi hasil aplikasi pada setiap fold dari empat kelas memiliki rentang nilai dari 71%-85% dengan rata-rata 78%, selain itu waktu rata-rata untuk analisis satu citra oleh aplikasi adalah dua menit. Kata kunci: klasifikasi, citra histologi, mode warna, nilai statistik support vector machine.

This final project relates to the development of computer applications to classify breast tissue images. The results for this final project is that there is a computer application that can automatically classify the image of breast tissue so that to ease the burden of the pathologist in analyzing breast tissue. Breast cancer is the most common disease and causes death for women. Early detection can help improve the patient’s life expectancy by knowing the right treatment according to the patient’s condition, one of the procedures is a biopsy. The results of the biopsy procedure is certain breast tissue (histology) characteristics. These characteristics will be analyzed by specialists (pathologists) to classify breast tissue. However, breast tissue analysis is a tiring job for pathologist because every day they have to analyze hundreds of microscopic breast tissue where the average time for analysis for one image is 15 minutes. Hence, the results of the analysis are often vulnerable to false and subjective. Histologic image contains a lot of information about breast cancer and a medium needed to help pathologist, one of them is used of CAD (Computer Aided Diagnosis) method. But, the development of CAD still become a challenge. To assist pathologists in analyzing histological images on biopsy procedures, the Breast Histology Image Classification Application was developed to classify histological images automatically. Each statistic information of histology images were extracted they are first quartile, median, third quartile, mean and standard deviation taken from each channel from RGB, XYZ, CIELab, CIELuv, HSV, YCbCr, and gray scale modes. These statistical values are later extracted to classify breast histology images into four classifications, which are invasive carcinoma (malignant cancer), insitu carcinoma (cancer), benign (tumor), and normal. The classification method used is support vector machine. The classification results by application for each fold from four classes have range value 71%-85% with average 78%, other than that average time for one image analysis is two minutes. Keywords: classification, histology image, color mode, statistical values, support vector machine.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-adindameil-9777