Breast cancer is a disease that occurs due to growth or development of breast cells (tissue), this can occur in women and men. Breast cancer is one of the most types of cancer in Indonesia. This disease can also be suffered by men with a frequency of about 1%. In Indonesia, more than 80% of cases are found to be at an advanced stage, where treatment efforts are difficult. But in this modern era there are still some things that need to be improved in a number of medical applications, the image of the MRI, CT Scan and USG images, there is still noise which is the main cause of image quality degradation. Therefore a classification system was made using the K-Nearest Neighbor method to help classify breast cancer based on ultrasound images. K-Nearest Neighbor works by finding the number of k patterns closest to the input pattern, then determining the decision class based on high proximity values. In this research, the identification of images performs the feature extraction process, where the feature extraction is carried out by the Gray Level Co-Occurance method from various angles, namely 00, 450, 900, 1350 as the texture feature extraction.

Kanker payudara adalah penyakit yang terjadi akibat pertumbuhan atau perkembangan dari sel-sel (jaringan) payudara, hal ini bisa terjadi pada Wanita maupun pria.Kanker payudara merupakan salah satu jenis kanker terbanyak di Indonesia. Penyakit ini juga dapat diderita oleh laki-laki dengan frekuensi sekitar 1%. Di Indonesia, lebih dari 80% kasus ditemukan berada pada stadium yang lanjut, dimana upaya penggobatan sulit dilakukan. Namun di era modern seperti ini masih saja ada beberapa yang harus di perbaiki dalam beberapa aplikasi medis, citra hasil pemindai MRI, CT Scan maupun USG,masih terdapat noise yang menjadi penyebab utama penurunan kualitas citra. Oleh karena itu dibuat lah sebuah sistem klasifikasi menggunakan metode K-Nearest Neighbor untuk membantu mengklasifikasikan kanker payudara berbasis citra usg. K-Nearest Neighbor bekerja dengan cara mencari sejumlah k pola yang terdekat dengan pola masukan, kemudian menentukan kelas keputusan berdasarkan nilai kedekatan yang tinggi. Dalam penelitian ini identifikasi citra gambar melakukan proses ekstraksi fitur, dimana ekstraksi fitur tersebut dilakukan oleh metode Grey Level Co-Occurance dari berbagai macam sudut yaitu 00, 450, 900, 1350 sebagai ekstraksi fitur tekstur.