32
menunjukkan
bahwa pendekatan
mereka dapat memberikan tingkat klasifikasi
yang lebih baik (Jasmine, Govardhan, & Baskaran, 2010).
Preprocessing
Stage
Cropping
Global
Histogram
Energy
Feature Extraction
Coefficient
Contourlet
Computation
Normalization
extraction
analysis
Coefficient
Feature
Vector
Normal
Abnormal
Classification
Stage
Benign
Malignant
Result
Gambar 5.
Diagram Blok Klasifikasi Mikrokalsifikasi
pada
Mammogram
berdasarkan
Contourlet
Transform
dan Jaringan
Saraf
(Jasmine, Govardhan,
&
Baskaran, 2010).
Saat
ini,
perangkat
yang
paling
banyak
dikenal
yang
dapat
membantu
proses
klasifikasi
adalah
WEKA
dan Matlab.
Matlab
(Matrix
Laboratory)
adalah
lingkungan
komputasi
numerikal
dan bahasa
pemrograman
generasi
keempat.
Dikembangkan
oleh
MathWorks,
Matlab
mengizinkan
manipulasi
matrik,
fungsi
plot
dan
data,
implementasi
algoritma,
kreasi
tampilan
user,
dan
tampilan
dengan
program yang
ditulis
dalam bahasa yang
lain, termasuk
C, C++, Java, dan
Fortran.
WEKA (Waikato Environment for
Knowledge Analysis) merupakan perangkat
lunak pembelajaran
mesin
yang ditulis dalam bahasa Java, yang dikembangkan
di
 |