ABSTRAKSI: Usus besar adalah organ penting dalam tubuh manusia. Fungsi utama organ ini adalah menyerap air dari feses. Ada beberapa jenis kanker yang dapat menyerang organ ini, diantaranya adalah lymphoma dan carcinoma. Kedua jenis kanker tersebut merupakan kanker ganas. Sehingga jika tidak cepat dideteksi dan diklasifikasi maka akan menyebabkan kematian. Deteksi penyakit konvensional yang dilakukan oleh dokter adalah berdasarkan preparat darah atau sampel jaringan. Penelitian-penelitian yang dilakukan sebelumnya masih menggunakan mikroskop yang dilihat secara visual oleh mata manusia. Oleh karena itu perlu dibuat suatu alat bantu yang dapat mendeteksi dan mengklasifikasikan jenis kanker usus besar berdasarkan sampel jaringan pada suatu citra secara cepat dan otomatis, sehingga diperoleh analisis dan bukti yang akurat.
Pada tugas akhir ini akan dibuat simulasi dalam mengklasifikasikan jenis kanker usus besar. Sebagai input adalah citra sampel usus besar yang kemudian akan dilakukan preprocessing. Citra akan di ubah terlebih dahulu ke citra greyscale sebelum masuk ke dalam proses JST. Proses selanjutnya akan dilakukan oleh ekstraksi ciri statistik yang kemudian akan dilanjutkan oleh JST Backpropagation sebagai aplikasi pengklasifikasian.
Dari hasil pengujian dapat ditarik kesimpulan bahwa JST backpropagation mampu mengklasifikasikan data uji sebesar 77,0833% untuk data jenis 1 dengan parameter yang digunakan oleh JST pada saat memproses adalah epoch 2000, learning rate 0,1 dan neuron hidden layer 20 dengan waktu preprocessing dan ekstraksi ciri selama 0,1027 detik, waktu pelatihan JST selama 68,0613 detik dan waktu pengujian JST selama 0,0134 detik. Sedangkan untuk data jenis 2, JST bacpropagation mampu mengklasifikasikan data uji sebesar 83,33% dengan parameter yang digunakan adalah epoch 4000, learning rate 0,001 dan neuron hidden layer 80 dengan waktu preprocessing dan ekstraksi ciri selama 0,1051 detik, waktu pelatihan JST selama 430,8341 detik dan waktu pengujian JST selama 0,0217 detik. Pada kasus ini, Data yang baik digunakan sebagai masukan untuk JST adalah skewness, entropi, energi (ASM) dan homogeniti (IDM) untuk data jenis 1. Kontras dan variansi untuk data jenis 2.Kata Kunci : usus besar, lymphoma, carcinoma, ekstraksi ciri statistik, BackpropagationABSTRACT: Colon is the important organ in the human body. The main function of this organ is to absorb water from feces. There are several types of cancer that can be attack these organs, such as lymphoma and carcinoma. Both types of cancer is a malignant cancer. So if not quickly classified, it will cause death. Conventional disease classification by docters is based on blood and tissue sample preparation. The studies carried out earlier still using a microscope to be seen visually by the human eye. Therefore need to be made a tool that can classify quickly and automatically, in order to obtain an accurate analysis and evidence.
In this paper will be simulated in classifying the type of colon cancer. As the input is a sample image of the colon which will be preprocessing. The image will be changed prior to grayscale image before it goes into the ANN. The next process will performed by statistical feature extraction which will then be followed by a Backpropagation neural network as the classification application.
From the test results can be concluded that the backpropagation neural network is able to classify the test data at 73,0833% for the data type 1 with the parameters used by the ANN at the time of processing are epoch 500, learning rate 0.5 and 20 hidden layer neurons with time of preprocessing and feature extraction for 0,1027 seconds, ANN training time for 68,0613 seconds, and time for testing ANN 0,0134 seconds. While for the data type 2, backpropagation neural network able to classify the test data at 83,33% with the parameters used are epoch 4000, learning rate 0,001 and 80 hidden layer neurons with time of preprocessing and feature extraction for 0,1051 seconds, ANN training time for 430,8341 seconds, and time for testing ANN 0,0217 seconds. In this case, the good data are used as inputs for ANN are skewness, entropy, energy (ASM) and homogeneity (IDM) for the data type 1. Contrast and variance for data type 2.Keyword: colon, lymphoma, carcinoma, statistical feature extraction, backpropagation