@thesis{thesis,
		author={RAINA  JODI},
		title ={TA: PENERAPAN TEXTURE BASED EXTRACTION UNTUK MENDETEKSI MASSA PADA CITRA MAMMOGRAM},
		year={2020},
		url={http://eprints.itenas.ac.id/1314/},
		abstract={Di Indonesia, kasus kanker paling banyak adalah kanker payudara yaitu 58.256 kasus atau 16,7% dari total 348.809 kasus kanker. Suatu sistem dibutuhkan untuk membantu pakar dalam mendeteksi kanker payudara pada wanita. Mendiagnosis adanya kanker payudara dilakukan dengan mengidentifikasi citra mammogram dengan cara pemeriksaan radiologi khusus menggunakan sinar-x dengan dosis rendah yang memperlihatkan keabnormalan. Keabnormalan pada mammogram ditunjukkan oleh area terdapatnya pola tekstur dengan bentuk serta batas tertentu yang disebut massa. Sebuah sistem yang dapat mendeteksi massa pada citra mammogram dengan texture based extraction menggunakan Segmentation-Based Fractal Texture Analysis (SFTA). Tujuan penelitian ini mengukur tingkat akurasi SFTA untuk mendeteksi massa pada citra mammogram. Akuisisi citra tahapan yang pertama, dilanjut dengan segmentasi menggunakan k-means dan thresholding. Hasil segmentasi citra dilakukan tahapan morfologi menggunakan opening dan masking. Indikasi massa yang ditemukan dilakukan proses ekstraksi fitur SFTA, dan klasifikasi Support Vector Machine (SVM). Hasil pengujian penelitian ini didapatkan nilai accuracy sebesar 90%, precision sebesar 87,75%, recall sebesar 93,33% dan f1-score 90,32% dengan nilai number of threshold (nt) SFTA adalah 3.
Kata Kunci: Kanker payudara, Mammogram, Klasifikasi, SFTA}
		}