Pada era sekarang ini untuk mengenali tumor payudara bisa berdasarkan citra mammogram. Dengan
cara ini akan mempermudah proses pengenalan dan pengklasifikasian kanker payudara. Pada penelitian
ini dilakukan sebuah teknik klasifikasi kanker payudara dengan menggunakan citra mammogram. Model
yang diusulkan memiliki target klasifikasi untuk kasus kanker ganas dan kanker jinak. Penelitian yang
dilakukan terdiri dari lima tahap utama yaitu preprosesing, ekualisasi histogram, konvolusi, ekstraksi fitur
dan klasifikasi. Untuk preprosesing dilakukan cropping citra menggunakan region of interest (ROI), untuk
konvolusi digunakan median filter dan ekualisasi histogram yang bertujuan untuk peningkatan kualitas
citra. Ekstraksi fitur menggunakan Gray-Level Co-Occurrence Matrix (GLCM) dengan 5 fitur yaitu entropy,
correlation, contrast, homogeneity dan variance. Langkah terakhir adalah klasifikasi menggunakan Radial
Basis Function Neural Network (RBFNN) dan Support Vector Machine (SVM). Berdasarkan hipotesis yang
telah diuji dan dibahas diperoleh akurasi untuk RBFNN sebesar 86.27%, sedangkan akurasi untuk SVM
sebesar 84.31%. Hal ini menunjukkan bahwa metode RBFNN lebih baik dibandingkan SVM dalam
membedakan jenis kanker payudara. Hasil ini membuktikan proses peningkatan konstras citra
menggunakan ekualisasi histogram dan median filter bermanfaat dalam proses klasifikasi.