Klasifikasi Kanker Kulit dari Citra Dermoskopi menggunakan Fitur Gray Level Co-occurence Matrix (GLCM) dengan Algoritma Machine Learning
Kata Kunci:
Dermoskopi, Ekstraksi Fitur, GLCM, Kanker Kulit, Machine LearningAbstrak
Penelitian ini bertujuan untuk mengklasifikasikan kanker kulit berdasarkan citra dermoskopi dengan menerapkan metode Gray Level Co-occurrence Matrix (GLCM) sebagai teknik ekstraksi fitur tekstur, serta membandingkan kinerja empat algoritma machine learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (K-NN), Decision Tree, dan Random Forest. Dataset diperoleh dari platform Kaggle milik International Skin Imaging Collaboration (ISIC) yang dibagi menjadi 2.637 citra untuk pelatihan dan 660 citra untuk pengujian. Tahapan metodologi meliputi pre-processing (konversi citra ke grayscale, normalisasi, dan resizing), segmentasi, post-processing, serta ekstraksi fitur GLCM menggunakan parameter kontras, energi, entropi, dan homogenitas. Hasil evaluasi dari keempat algoritma yang diuji menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan akurasi 94,69%, presisi 97,49%, recall 90,66%, dan F1-score 93,95%. Sebaliknya, K-NN menghasilkan performa terendah dengan akurasi 72,57%, presisi 86,5%, recall 47,0%, dan F1-score 60,9%. Berdasarkan hasil tersebut, Random Forest direkomendasikan sebagai salah satu algoritma yang paling optimal untuk mendeteksi kanker kulit berdasarkan citra dermoskopi sebagai berpotensi mendukung akurasi pengambilan keputusan medis dalam perawatan pasien lebih lanjut.
Unduhan
Referensi
[1] Y. Ananda, G. Edo, dan S. Adelia. (2024). Buku Ajar Sistem Integumen. Purbalingga: Eureka Media Aksara.
[2] Enggar, Taqwin, Muliani, dan F. L. Abd. (2024) Anatomi Fisiologi Untuk Mahasiswa Kesehatan. Purbalingga: Eureka Media Aksara.
[3] N. Martin dan U. Daniel. (2024). Klasifikasi Kanker Kulit Pada Citra Dermatoskopi Menggunakan CNN. Jurnal Algoritme, Vol. 5 (1), ISSN: 2775-8796. Doi: 10.35957/algoritme.v5i1.9034.
[4] A. O. Ardhiansyah. (2024). Kanker Kulit dan Sarkoma Jaringan Lunak - Dari Teori Preklinik Hingga Aplikasi Klinik. Surabaya: Airlangga University Press.
[5] A. Ameri. (2020). A Deep Learning Approach to Skin Cancer Detection In Dermoscopy Images. J Biomed Phys Eng, Vol. 10 (6). Doi: 10.31661/Jbpe.V0i0.2004-1107.
[6] R. Suresh. (2024). Revolutionizing Physics: A Comprehensive Survey of Machine Learning Applications. Frontiers in Physics. Doi: 10.3389/Fphy.2024.1322162.
[7] Neneng, S. P. Ajeng, dan A. A. Ahmad Ari. (2021). Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-Occurrence Matrices (GLCM) dan Local Binary Pattern (LBP). Smatika Jurnal, Vol. 11 (1), ISSN: 2087-0256. Doi: 10.32664/Smatika.V11i01.572.
[8] L. M. Wisudawati. (2021). Klasifikasi Tumor Jinak Dan Tumor Ganas Pada Citra Mammogram Menggunakan Gray Level Co-Occurrence Matrix (GLCM) Dan Support Vector Machine (SVM). Jurnal Ilmiah Informatika Komputer, Vol. 26 (2), Doi: 10.35760/Ik.2021.V26i2.4897.
[9] S. Suharyana, A. Fuad, D. Armylia Chandra, Y. Mohtar, S. Umi, dan C. Rifai. (2023). Pneumonia Classification Based On GLCM Features Extraction Using K-Nearest Neighbor. Indonesian Journal of Applied Physics (IJAP), Vol. 13 (2), ISSN: 2089 – 0133. Doi: 10.13057/ijap.v13i2.77120.
[10] M. Yunianto, D. M. Rizka, dan S. Esti. (2024). Using Decision Tree With First And Second-Order Statistical Feature Extraction For Classification Of Lung Cancer. Indonesian Journal of Applied Physics (IJAP). Vol. 14 (2), ISSN: 2089 – 0133. Doi: 10.13057/Ijap.V14i2.87676.
[1] Y. Ananda, G. Edo, dan S. Adelia. (2024). Buku Ajar Sistem Integumen. Purbalingga: Eureka Media Aksara.
[2] Enggar, Taqwin, Muliani, dan F. L. Abd. (2024) Anatomi Fisiologi Untuk Mahasiswa Kesehatan. Purbalingga: Eureka Media Aksara.
[3] N. Martin dan U. Daniel. (2024). Klasifikasi Kanker Kulit Pada Citra Dermatoskopi Menggunakan CNN. Jurnal Algoritme, Vol. 5 (1), ISSN: 2775-8796. Doi: 10.35957/algoritme.v5i1.9034.
[4] A. O. Ardhiansyah. (2024). Kanker Kulit dan Sarkoma Jaringan Lunak - Dari Teori Preklinik Hingga Aplikasi Klinik. Surabaya: Airlangga University Press.
[5] A. Ameri. (2020). A Deep Learning Approach to Skin Cancer Detection In Dermoscopy Images. J Biomed Phys Eng, Vol. 10 (6). Doi: 10.31661/Jbpe.V0i0.2004-1107.
[6] R. Suresh. (2024). Revolutionizing Physics: A Comprehensive Survey of Machine Learning Applications. Frontiers in Physics. Doi: 10.3389/Fphy.2024.1322162.
[7] Neneng, S. P. Ajeng, dan A. A. Ahmad Ari. (2021). Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-Occurrence Matrices (GLCM) dan Local Binary Pattern (LBP). Smatika Jurnal, Vol. 11 (1), ISSN: 2087-0256. Doi: 10.32664/Smatika.V11i01.572.
[8] L. M. Wisudawati. (2021). Klasifikasi Tumor Jinak Dan Tumor Ganas Pada Citra Mammogram Menggunakan Gray Level Co-Occurrence Matrix (GLCM) Dan Support Vector Machine (SVM). Jurnal Ilmiah Informatika Komputer, Vol. 26 (2), Doi: 10.35760/Ik.2021.V26i2.4897.
[9] S. Suharyana, A. Fuad, D. Armylia Chandra, Y. Mohtar, S. Umi, dan C. Rifai. (2023). Pneumonia Classification Based On GLCM Features Extraction Using K-Nearest Neighbor. Indonesian Journal of Applied Physics (IJAP), Vol. 13 (2), ISSN: 2089 – 0133. Doi: 10.13057/ijap.v13i2.77120.
[10] M. Yunianto, D. M. Rizka, dan S. Esti. (2024). Using Decision Tree With First And Second-Order Statistical Feature Extraction For Classification Of Lung Cancer. Indonesian Journal of Applied Physics (IJAP). Vol. 14 (2), ISSN: 2089 – 0133. Doi: 10.13057/Ijap.V14i2.87676.
[11] W. Wijaya, R. P. Muhammad, dan P. W. Eka. (2023). Klasifikasi Monkeypox Menggunakan Ekstraksi Fitur GLCM dan Algoritma Random Forest. 2nd Mdp Student Conference (MSC), Vol 2 (1), E-ISSN: 2985-7406. Doi: 10.35957/Mdp-Sc.V2i1.4435.
[12] Kaggle, “Skin Cancer: Malignant vs. Benign,” Kaggle Datasets, [Online]. Available: https://www.kaggle.com/datasets/fanconic/skin-cancer-malignant-vs-benign.
[13] J. S. Ananda, F. Yoza, dan P. Jesi. (2024). Classification Analysis Of Brain Tumor Disease In Radiographic Images Using Support Vector Machines (SVM) With Python. Journal Online Physics, Vol. 9 (3), ISSN: 2502-2016. Doi: 10.22437/Jop.V9i3.3627.
[14] M. I. I. Fata dan A. Donny. (2024). Penerapan Metode Naive Bayes Pada Sistem Klasifikasi Kualitas Biji Kopi Robusta. Jurnal Indonesia : Manajemen Informatika dan Komunikasi, Vol. 5 (1), ISSN: 2723-7079. Doi: 10.35870/Jimik.V5i1.515.
[15] H. Sumarti, S. Qolby, T. Devi, S. Fahira, dan P. D. R. Tara. Identification of Covid-19 Based on Features Texture Histogram and Gray Level Co-Occurrence Matrix (GLCM) Using K-Means Clustering Methods in Chest X-Ray Digital Images. (2023). Jurnal Penelitian Fisika dan Aplikasinya (JPFA), Vol. 13 (1), ISSN: 2087-9946. Doi: 10.26740/Jpfa.V13n1.P51-66.
[16] F. S. Lesiangi, A. Y. Mauko, dan B. S. Djahi. (2021). Feature Extraction Hue, Saturation, Value (HSV) and Gray Level Cooccurrence Matrix (GLCM) for Identification of Woven Fabric Motifs in South Central Timor Regency. Journal of Physics: Conference Series. Doi: 10.1088/1742-6596/2017/1/012010.
[17] Y. Amelia. (2023). Perbandingan Metode Machine Learning untuk Mendeteksi Penyakit Jantung. Idealis: Indonesia Journal Information System, Vol. 6 (2), ISSN: 2684-7280. Doi: 10.36080/Idealis.V6i2.3043.
[18] A. I. Sang, S. Edi, dan D. Irfan. (2021). Analisis Data Mining untuk Klasifikasi Data Kualitas Udara DKI Jakarta Menggunakan Decision Tree dan Support Vector Machine. E-Proceeding Of Engineering Telkom University, Vol. 8 (5), ISSN : 2355-9365.
[19] D. Normawati dan A. P. Surya. (2021). Implementasi Naïve Bayes Classifier dan Confusion Matrix pada Analisis Sentimen Berbasis Teks pada Twitter. Sains Komputer & Informa (J-SAKTI), Vol. 5 (2), ISSN: 2548-9771. Doi: 10.30645/j-sakti.v5i2.369.
[20] D. M. Rani, D. Frastica, dan F. Yoza. (2024). Classification of Lung Disease on X-Ray Images Based on Gray Level Co-Occurrence Matrix (GLCM) Feature Extraction and Backpropagation Neural Network Using Python Gui. Journal Online Physics, Vol. 9 (2), ISSN: 2502-2016. Doi: 10.22437/Jop.V9i2.32806.
[21] A. Maulida, Nurhidayah, F. Yoza, dan Haryono. (2022). Segmentasi Citra Mammogram Untuk Deteksi Dini Kanker Payudara Dengan Menggunakan Metode Otsu Thresholding. Jurnal Fisika Unand, Vol. 11 (2), ISSN: 2302-8491. Doi: 10.25077/Jfu.11.2.180-186.2022.
[22] A. Rahagiyanto, H. P. Bakhtiyar, Y. Muhammad, V. Veronika, E. J. S. Gandu, dan D. Atma. (2025). Perbandingan Kinerja Algoritma K-NN-DT-RF-SVM untuk Deteksi Dini Risiko Kematian Ibu. J-REMI : Jurnal Rekam Medik dan Informasi Kesehatan, Vol. 6 (2), ISSN: 2721-866X. Doi: 10.25047/J-Remi.V6i2.5658.
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Chrisman Imanuel Purba, Alrizal Alrizal, yoza fendriani
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
