Klasifikasi Tingkat Keganasan Melanoma Menggunakan Evolving Clustering Method

Abstract

Melanoma adalah kanker kulit yang memiliki banyak bentuk sehingga untuk melakukan klasifikasi tingkat keganasannya dibutuhkan waktu lama . Oleh karena itu, sistem klasifikasi tingkat keganasan melanoma dapat membantu mengambil keputusan dengan lebih cepat. Sistem klasifikasi ini menggunakan metode Evolving Clustering dan data yang di gunakan berupa image desmoskopis dengan ekstensi .jpg . Lalu pada pre-processing image dilakukan proses grayscale dan binery image. Penerapan metode Evolving Clustering dapat melakukan klasifikasi tingkat keganasan melanoma. Klasifikasi melanoma di bagi menjadi beberapa tingkat , yaitu Low , Medium , dan High. Setiap tingkatan memiliki bentuk dan ciri yang berbeda –beda . Hal tersebut didukung oleh tingkat akurasi yang mencapai 74.57%. Berdasarkan pengujian sistem , kejelasan gambar dermoskopi melanoma yang diinput pada sistem menjadi factor penting untuk keberhasilan klasifikasi yang dilakukan.

Melanoma is a skin cancer that has many shapes so to classify the level of ferocity takes a long time. Therefore, a melanoma classification system can help to make decisions more quickly. This classification system using Evolving Clustering method and the data used in the form of desmoscopic image with extension. Jpg. Then in the pre-processing image is done grayscale process and binery image. Application of Evolving Clustering method can classify the level of melanoma malignancies. Classification of melanoma is divided into several levels, namely Low, Medium, and High. Each level has different shapes and traits. It is supported by an accuracy rate of 74.57%. Based on system testing, the clarity of melanoma dermoscopy images inputted into the system becomes an important factor for successful classification.