Klasifikasi Penyakit Tumor Ginjal Menggunakan SVM dengan Ekstraksi Ciri HOG dan GLCM
Abstrak
Deteksi dini terhadap tumor ginjal sangat penting untuk meningkatkan peluang kesembuhan pasien. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra CT scan ginjal guna membedakan antara ginjal normal dan ginjal yang mengandung tumor. Metode klasifikasi yang digunakan adalah Support Vector Machine (SVM) dengan tiga jenis kernel, yaitu linear, polynomial, dan radial basis function (RBF). Sebelumnya, dilakukan ekstraksi fitur menggunakan dua pendekatan, yaitu Histogram of Oriented Gradients (HOG) untuk mendapatkan nilai bentuk, serta Gray Level Co-occurrence Matrix (GLCM) untuk mendapatkan ciri tekstur dari citra. Hasil pengujian menunjukkan SVM dengan kernel linear memberikan akurasi tertinggi sebesar 90%, diikuti oleh polynomial sebesar 85%, sedangkan kernel RBF hanya mencapai 50%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kombinasi ekstraksi fitur HOG dan GLCM yang diikuti dengan klasifikasi menggunakan SVM kernel linear efektif untuk membedakan citra ginjal normal dan tumor ginjal. Penelitian ini memberikan kontribusi positif dalam pengembangan sistem pendukung diagnosis penyakit ginjal berbasis citra medis.
Identifier
- OpenAlex: https://openalex.org/W4411562505
- DOI: https://doi.org/10.33022/ijcs.v14i3.4882

