JURNAL TEKNIK ITS Vol. 9, No. 1, (2020) ISSN: 2337-3539 (2301-9271 Print) A118 Abstrak—Di Indonesia, pasien yang terdiagnosis tumor otak semakin meningkat setiap tahunnya. Bukan hanya orang dewasa saja, tetapi anak-anak juga dapat terserang penyakit tumor otak. Untuk membedakan citra gambar Magnetic Resonance Image (MRI) yang terdeteksi tumor otak dengan yang tidak terdeteksi tumor otak, perlu dilakukan proses klasifikasi dengan menggunakan metode Support Vector Machine (SVM). Dalam penelitian ini, proses klasifikasi dilakukan dalam tiga langkah, Pre-processing yang mengubah ukuran citra, ekstraksi fitur yang mengambil informasi (fitur) secara teksturnya, kemudian diikuti dengan melatih data dan dilakukan pengujian pada SVM. Hasil dari penelitian ini adalah untuk mengklasifikasikan citra MRI dengan tumor atau non tumor. Serta menganalisis tingkat akurasi klasifikasi untuk kernel SVM yang berbeda seperti Linear, RBF dan Polynomial. Dari hasil pengujian klasifikasi dengan SVM, didapatkan tingkat akurasi yang cukup baik sebesar 0.76 dengan menggunakan kernel Linear dan RBF pada tipe C-SVM. Kata Kunci—Citra MRI, Ekstraksi Fitur, Pre-processing, Support Vector Machine (SVM), Tumor Otak. I. PENDAHULUAN ASUS tumor otak di dunia semakin meningkat setiap tahunnya. Di Indonesia, terhitung ada 300 pasien setiap tahunnya yang terdiagnosis tumor otak. Bukan hanya orang dewasa, tetapi tumor otak juga menyerang anak-anak dengan usia yang tergolong muda. Tidak sedikit masyarakat yang cenderung menganggap remeh gejala tumor otak yang ditimbulkan. Oleh karena itu, deteksi sejak dini menjadi sangat penting dan diperlukan sebelum tumor otak berkembang ke stadium yang lebih parah. Baik dari tenaga medis maupun masyarakat harus waspada terhadap berbagai gejala dan kelainan yang terjadi secara terus-menerus. Tumor pada otak dapat dideteksi dengan cara melalui pemeriksaan Magnetic Resonance Imaging (MRI) yang menggunakan alat medis. Setelah pasien menjalani proses pemeriksaan, dokter spesialis radiologi akan menganalisis dan mengambil kesimpulan dari citra yang dihasilkan oleh alat medis tersebut. Salah satu kelebihan dari menggunakan MRI ini adalah dapat mengamati diferensiasi pada jaringan lunak seperti jaringan “white matter” dan “gray matter” yang dapat dibedakan oleh citra MRI secara jelas. Dengan mengolah citra yang dihasilkan oleh alat MRI dapat dikembangkan metode pendeteksian tumor otak yang mampu mendeteksi dan mengklasifikasika tumor tersebut. Pada penelitian ini, digunakan tiga tahapan yang akan membantu proses mengklasifikasi tumor otak. Tahapan pertama yaitu pre-processing, kemudian dilanjutkan dengan ekstraksi ciri sebagai proses untuk mengambil informasi pada citra otak yang dilakukan dengan metode pendekatan statistik. Hasil ekstraksi ciri akan dikenali dan diklasifikasikan dengan metode SVM (Support Vector Machine). Dengan menggunakan metode dari ekstraksi ciri ini diharapkan dapat menjadi alat bantu untuk mengklasifikasikan tumor otak ke dalam dua kelompok yaitu terdapat tumor atau tidak terdapat tumor. Dengan menerapkan ekstraksi ciri yang dapat mengambil informasi dari citra serta dengan metode klasifikasi SVM yang dapat mencari Hyperplane pemisah yang paling baik antar kelas maka system deteksi tumor otak dapat diimplementasikan dengan menggunakan gabungan dua metode tersebut untuk menghasilkan pengklasifikasi yang lebih baik. II. TINJAUAN PUSTAKA A. Pre-Processing Pengolahan Citra digital merupakan suatu bentuk pemrosesan atau pengolahan sinyal dengan masukan berupa gambar (image) dan ditransformasikan menjadi gambar lain sebagai keluarannya dengan menggunakan teknik-teknik tertentu. Input dari pengolahan citra adalah citra, sedangkan Output-nya adalah citra hasil pengolahan. Untuk proses pre- processing terdiri dari proses grayscale, Gaussian filter, thresholding, dilasi, erosi dan kontur. B. Ekstarksi Fitur Feature Extraction (Ekstraksi fitur) menjelaskan informasi yang terkandung dalam suatu pola sehingga tugas mengklasifikasikan pola menjadi mudah. Fitur ekstraksi yang digunakan yaitu tekstur fitur dengan menggunakan Gray Level Co-occurance Matrix (GLCM). GLCM merupakan suatu metode untuk melakukan ekstraksi ciri berbasis statistikal, perolehan ciri diperoleh dari nilai matriks yang mempunyai nilai tertentu dan membentuk sudut pola. Untuk sudut yang dibentuk dari nilai piksel citra menggunakan GLCM adalah 0º, 45º, 90º, 135º ([1],[2]). Dari piksel-piksel tersebut terbentuk matrix co-occurance dengan pasangan pikselnya. Adanya matrik tersebut berdasarkan kondisi bahwa suatu matrik piksel akan mempunyai nilai perulangan sehingga terdapat pasangan arah keabuannya. Terdapat 14 fitur tekstural yang digunakan untuk mengklasifikasikan citra. Namun, terdapat penelitian berikutnya yang menginvestigasikan karakteristik tekstural dengan menggunakan GLCM dan mengatakan bahwa terdapat 7 parameter yang paling relevan untuk mengklasifikasikan citra berdasarkan hasil matriks Co- occurance [3]. Klasifikasi Tumor Otak pada Citra Magnetic Resonance Image dengan Menggunakan Metode Support Vector Machine Ainani Shabrina Febrianti, Tri Arief Sardjono, dan Atar Fuady Babgei Departemen Teknik Biomedik, Institut Teknologi Sepuluh Nopember (ITS) e-mail: sardjono@bme.its.ac.id K