KLASIFIKASI KARSINOMA TIROID MENGGUNAKAN GAUSSIAN MARKOV RANDOM FIELD DAN KLASIFIKASI SELF ORGANIZING MAP KOHONEN

Indo Intan, Nur Salman

Abstract


Karsinoma tiroid merupakan salah satu jenis kanker yang berada pada urutan ke-9 dari 10 penyakit mematikan di Indonesia. Pemeriksaan jenis kanker ini menggunakan obyek preparat yang diamati dengan mikroskop. Pengamatan ini sangat mengandalkan akomodasi mata, kesehatan fisik, tingkat pengetahuan, dan pengalaman sehingga tidak jarang hasil pengamatan dokter berbeda satu sama lain. Untuk mengatasi perbedaan ini maka perlu dibuatkan sistem perangkat lunak terotomatisasi. Tujuan penelitian ini adalah menghasilkan sistem aplikasi perangkat lunak yang bisa membantu dokter dalam mengidentifikasi jenis karsinoma tiroid. Sistem ini akan memberikan output terotomatisasi berupa keterangan tentang jenis karsinoma papiler, folikuler, dan anaplastik berdasarkan citra preparat yang diteliti di laboratorium patologi anatomi. Penelitian ini dilakukan dengan tahapan: akuisisi citra, greyscale, dan ekstraksi ciri dengan Gaussian Markov Random Field; serta klasifikasi SOM Kohonen. Akurasi sistem identifikasi ini cukup signifikan karena nilainya mencapai 90%.


References


E.T. Pasaribu, “Epidemiologi dan Gambaran Klinis Kanker Tiroid”, in Maj. Suplemen Majalah Kedokteran Nusantara. Volume 39, No. 3., pp. 270-273, September 2006.

E. Putri, D. Khambri, S. Renita, “Hubungan Daerah Tempat Tinggal dengan Gambaran Histopatologi Karsinoma Tiroid pada Masyarakat Sumatera Barat”, Jurnal Kesehatan Andalas, vol. 3, no. 2, pp 147-150, 2014.

E. Warni, “Penentuan morfologi sel darah merah (eritrosit) berbasis pengolahan citra dan jaringan syaraf tiruan”, Jurnal Ilmiah Elektrikal Enjiniring Unhas, vol Program Pascasarjana Program Studi Teknik Elektro Unhas, vol. 07, no. 03, pp. Xxx, Oktober- Desember 2009.

Supatman, “Segmentasi Tekstur Citra Lidah Penderita Tifoid Menggunakan Metode Adaptif”, Jurnal AgriSains, vol. 4, no. 6, pp. 32-41, Mei 2013.

H. Rivai, “Struktur Tetangga pada Tekstur Cacat Kain Sutera Menggunakan Gaussian Markov Random Field”, Buletin Penelitian, vol. 5, no.1, pp. 23-34, Februari 2008.

A. Prabowo, E.A. Sarwoko, D.E. Riyanto, “Perbandingan antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization pada Pengenalan Pola Tandatangan” Jurnal Sains & Matematika, vol. 14, pp. 147-153, Oktober 2006.

I. Intan, Indo, “Pattern Recognition of Thyroid Carcinoma Histopatology with Adaptive Neural Fuzzy Inference System”, in Proc. 3th Macassar International Conference Electrical Engineering and Informatics, pp. 157-159. November 28-29, 2012.

Price, A. Sylvia, Wilson, M. Lorraine, Patofisiologi, Konsep-konsep Klinis Proses Penyakit, Penerbit Buku Kedokteran EGC: Jakarta, 1997.

Rubin, Emanuel, Essential Pathology, Third Edition, Lippincott Williams & Wilkins: Philadlphia, 2003.

Stevans, J.S. Lowe, B. Young, Wheater’s Basic Histopathology, A Colour Atlas and Text, Churchill Livingstone International Edition: London, 2002.

R. Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Penerbit Informatika: Bandung, 2004.

Fadlisyah, Computer Vision dan Pengolahan Citra, Penerbit Andi: Yogyakarta, 2007.

M.J. Langdon, Classification of Gaussian Markov Random Field (GMRF) with Application to Powder images. University of Leads UK, 2004.

P. Parada, J.R.D. Solar, Texture Synthesis using Image Pyramids and Self Organizing Maps. Dept.of Electrical Engineering Universidad de Chile Santiago: Chile, 2004.


Refbacks

  • There are currently no refbacks.