Implementasi Gabor Wavelet dan Support Vector Machine pada Deteksi Polycystic Ovary (PCO) Berdasarkan Citra Ultrasonografi

Abstract

Ketidaksuburan adalah kondisi pasangan suami istri yang susah memiliki keturunan. Salah satu pemeriksaan kesuburan yang dianjurkan di bidang kesehatan adalah USG (Ultrasonografi). Untuk memeriksa kesuburan wanita dilakukan USG rahim dengan memeriksa keberadaan penyakit di rahim yang menyebabkan kemandulan, salah satunya adalah PCO (Polycystic Ovary), dengan melihat jumlah dan ukuran folikel dalam ovarium. Namun, sampai saat ini penentuan hasil USG rahim masih dilakukan secara manual oleh Dokter Spesialis Kandungan. Penelitian ini bermaksud untuk membantu ahli medis dalam mendiagnosa kesuburan wanita berdasarkan keberadaan PCO secara terkomputerisasi, sehingga hasil diagnosa dapat dilakukan dengan cepat dan akurat. Proses pendektesian diawali dengan pemrosesan awal pada citra USG dan ekstraksi ciri menggunakan Gabor Wavelet. Selanjutnya, pada tahap klasifikasi PCO digunakan metode Support Vector Machine (SVM). Kernel SVM yang digunakan sebagai classifier adalah fungsi kernel Linear, RBF, Kuadratik, dan Polinomial sesuai dengan kebutuhan persebaran data, dengan nilai parameter C kelipatan 10 dari rentang 0 hingga 300. Dengan menggunakan metode-metode tersebut, pencapaian akurasi tertinggi didapatkan dengan menggunakan parameter Gabor Wavelet dan SVM yang terbaik yaitu kernel polynomial, C=160, mask 17x17, frekuensi 2, 3, 4, 5 Hz dan sudut orientasi [π/6; π/6; π] dengan akurasi uji 78.4661% dan akurasi latih 75.5480% berdasarkan pengujian per-folikel.