Analisis Fitur Citra untuk Deteksi Kanker Prostat Menggunakan GLCM dan T-Test
DOI:
https://doi.org/10.18196/mt.v6i2.23440Keywords:
Kanker prostat, GLCM, T-Test, Pengolahan Citra, Klasifikasi SelAbstract
Kanker prostat merupakan salah satu kelainan paling umum pada kelenjar prostat yang dapat menyebabkan gangguan buang air kecil hingga nyeri tulang akibat penyebaran ke tulang. Penelitian ini bertujuan untuk menganalisis perbedaan antara sel prostat normal dan abnormal menggunakan metode pengolahan citra Gray Level Co-occurrence Matrix (GLCM) dan klasifikasi statistik T-Test. Data citra yang digunakan memiliki resolusi 1024 × 1024 piksel dalam format grayscale, diperoleh dari hasil pencitraan mikroskop cahaya. Citra tersebut kemudian diekstraksi menggunakan GLCM untuk mendapatkan nilai tekstur seperti kontras, korelasi, energi, dan homogenitas. Proses klasifikasi dilakukan menggunakan uji T-Test dengan parameter P-value sebagai acuan validitas fitur dalam membedakan sel normal dan abnormal. Hasil penelitian menunjukkan bahwa dari 16 fitur yang diekstraksi, sebanyak 14 fitur memiliki nilai P-value < 0,05 yang berarti dapat membedakan sel normal dan abnormal, sedangkan 2 fitur (Energy2 dan Energy4) tidak signifikan dalam klasifikasi. Dengan demikian, metode GLCM dan T-Test terbukti efektif dalam analisis citra sel prostat dan dapat diintegrasikan ke dalam sistem diagnosis berbasis citra untuk mendukung deteksi dini kanker prostat.
References
A. Muzakir, A. Desiani, and A. Amran, “Klasifikasi Penyakit Kanker Prostat Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor,” Komputika J. Sist. Komput., vol. 12, no. 1, pp. 73–79, 2023, doi: 10.34010/komputika.v12i1.9629.
J. A. Karim, “Molecular dan Genomic Biomarker sebagai Deteksi Dini pada Diagnosis Kanker Prostat,” J. Ilm. Kedokt. Wijaya Kusuma, vol. 9, no. 2, p. 156, 2020, doi: 10.30742/jikw.v9i2.803.
B. L. Adam et al., “Serum protein fingerprinting coupled with a pattern-matching algorithm distinguishes prostate cancer from benign prostate hyperplasia and healthy men,” Cancer Res., vol. 62, no. 13, pp. 3609–3614, 2002.
A. Keles, A. Samet Hasiloglu, A. Keles, and Y. Aksoy, “Neuro-fuzzy classification of prostate cancer using NEFCLASS-J,” Comput. Biol. Med., vol. 37, no. 11, pp. 1617–1628, 2007, doi: 10.1016/j.compbiomed.2007.03.006.
Witeti, “Identifikasi Sel Kanker Prostat menggunakan Metode Segmentasi Berdasar Ukuran Objek pada Citra,” Jur. Tek. Elektro Fak. Tek. Univ. Diponegoro, no. 121080200127, pp. 1–8, 2011.
I. A. Prastika and E. Mulyanto, “Sistem Pakar Diagnosa Penyakit Prostat menggunakan Metode Certainty Factor,” Jur. Tek. Inform. Fasilkom, Univ. Dian Nuswantoro, 2016.
C. A. Pratiwi and I. Irhamah, “Klasifikasi Microarray ‘Prostate Cancer’ Menggunakan Metode Fuzzy Support Vector Machine (FSVM)-Genetic Algorithm,” J. Sains dan Seni ITS, vol. 7, no. 2, 2019, doi: 10.12962/j23373520.v7i2.36446.
C. L. Daniswara, “Pencitraan Kanker Prostat,” Cdk-283, vol. 47, no. 2, pp. 144–148, 2020.
N. L. Kartika Sari, R. D. Iriani, and B. Santoso, “Evaluasi Teknik Filtering Contrast Enhancement dan Edge Sharpening untuk Pengolahan Citra Ultrasonografi Prostat,” J. Ilm. Giga, vol. 24, no. 1, p. 1, 2021, doi: 10.47313/jig.v24i1.1076.
Alimin and S. Riyadi, “Sistem engembangan deteksi kanker prostat berbasis image processing dengan metode convolutional neural network,” J. Explor. IT, vol. 14, no. 2, pp. 52–63, 2022, [Online]. Available: https://doi.org/10.35891/explorit
A. Dwi Septiana, A. Mulyanto, T. A. Sudarsono, I. C. Ningrom, and Perbandingan gambaran histopatologi jaringan prostat dengan perbedaan waktu fiksasi, “The Comparison Of Histopathological Images Of Prostat Tissue With Different Fixation Times,” J. Med. Lab. Res., vol. 2, no. 1, pp. 30–34, 2023.
M. Merung, C. Toreh, A. Astram, and F. G. Langi, “Penentuan Model Prediktif Metastasis Tulang dan Prognosis Kanker Prostat Menggunakan Alkalin Fosfatase dan Skor Gleason,” Med. Scope J., vol. 6, no. 1, pp. 64–71, 2023, [Online]. Available: https://ejournal.unsrat.ac.id/v3/index.php/msj/article/view/48491
I. G. R. A. Sugiartha, M. Sudarma, and I. M. O. Widyantara, “Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered-Based Retrieval of Images (CLUE),” Maj. Ilm. Teknol. Elektro, vol. 16, no. 1, p. 85, 2016, doi: 10.24843/mite.1601.12.
Published
Issue
Section
License
Copyright (c) 2025 Medika Teknika : Jurnal Teknik Elektromedik Indonesia
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright Agreement and License
In order to be accepted and published by Medika Teknika : Jurnal Teknik Elektromedik Indonesia, author(s) submitting the article manuscript should complete all the review stages. By submitting the manuscript, the author(s) agreed to the following terms:
The copyright of received articles shall be assigned to Medika Teknika : Jurnal Teknik Elektromedik Indonesia as the publisher of the journal. The intended copyright includes the rights to publish articles in various forms (including reprints Medika Teknika : Jurnal Teknik Elektromedik Indonesia maintain the publishing rights to the published articles. Authors are permitted to disseminate published articles by sharing the link/DOI of the article at Medika Teknika : Jurnal Teknik Elektromedik Indonesia. Author are allowed to use their articles for any legal purposes deemed necessary without written permission from Medika Teknika : Jurnal Teknik Elektromedik Indonesia with an acknowledgment of initial publication to this journal.
License
All articles published in Medika Teknika : Jurnal Teknik Elektromedik Indonesia are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License (CC-BY-NC).
