Analisis Kinerja Teknik Image Processing dalam Identifikasi Melanoma: Pendekatan Berbasis Contrast Stretching, Canny Edge Detection, GLCM, dan Ekstraksi Fitur Bentuk
Keywords:
Fitur bentuk, GLCM, melanoma, operator canny, thresholdingAbstract
Melanoma merupakan jenis kanker kuli yang berasal dari melanosit. Penyebab utama kanker melanoma adalah radiasi sinar UV. Berdasar pada American Cancer Society, diperkirakan terdapat 100.640 kasus baru melanoma di Amerika Serikat pada tahun 2024 dengan perkiraan kematian 8.920 kasus. Tingkat kesembuhan melanoma dapat mencapai 90% jika dapat dideteksi sedini mungkin. Pengetahuan mengenai image processing semakin berkembang terutama dalam bidang fitur ekstraksi. Dengan demikian, penelitian ini bertujuan untuk mengetahui karakteristik melanoma dengan menggunakan fitur ekstraksi tekstur dan fitur ekstraksi bentuk sebagai upaya deteksi dini melanoma. Citra yang digunakan pada penelitian ini merupakan 50 citra melanoma yang diperoleh dari Dataset Kaggle (https://www.kaggle.com/datasets/bhaveshmittal/melanoma-cancer-dataset). Terdapat tiga tahapan dalam pengolahan citra melanoma, diantaranya pra-pemrosesan data berupa perbaikan citra menggunakan contrast stretching, segmentasi menggunakan thresholding dan Operator Canny, serta fitur ekstraksi menggunakan GLCM dan fitur bentuk. Diperoleh hasil penelitian berupa karakteristik melanoma berdasarkan GLCM (contrast, dissimilarity, homogeneity, energy, correlation, dan ASM) serta karakteristik melanoma berdasarkan fitur bentuk (rata-rata dari area, perimeter, convex hull area, convex hull perimeter, solidity, dan convexity perimeter).
Downloads
References
M. A. Ahmed Thaajwer and U. A. Piumi Ishanka, “Melanoma skin cancer detection using image processing and machine learning techniques,” in ICAC 2020 - 2nd International Conference on Advancements 10.1109/ICAC51239.2020.9357309. in Computing,Proceedings, 2020. doi:
D. Juniati, “Klasifikasi Jenis Tumor Kulit Menggunakan Dimensi Fraktal Box Counting dan K-Means,” J. Ris. dan Apl. Mat., vol. 3, no. 2, pp. 71–77, 2019.
American Cancer Society, “Cancer Facts & Figures 2022,” Atlanta Am. Cancer Soc., 2022.
C. K. Viknesh, P. N. Kumar, R. Seetharaman, and D. Anitha, “Detection and Classification of Melanoma Skin Cancer Using Image Processing Technique,” Diagnostics, vol. 13, no. 21, 2023, doi: 10.3390/diagnostics13213313.
W. Gonzalez and R. E. Woods, Digital Image Processing Using MATLAB, 2nd edition. 2004.
F. Albregtsen, “Statistical Texture Measures Computed from Gray Level Coocurrence Matrices,” … Lab. Dep. Informatics, Univ. …, 2008.
R. Widodo, A. W. Widodo, and A. Supriyanto, “Pemanfaatan Ciri Gray Level Co Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) untuk Klasifikasi Mutu,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 11, 2018.
M. M. B, A. Ana, and A. S. Hidayat, “Implementasi Algoritma GLCM Dan MED pada Aplikasi Pendeteksi Kolesterol Melalui Iris Mata,” MIND J., vol. 2, no. 2, 2018, doi: 10.26760/mindjournal.v2i2.23-42.
