Kanker usus besar adalah sel ganas yang menyerang usus besar atau
rektum. Salah satu metode untuk mendiagnosis kanker usus besar adalah
menggunakan citra histopatologi. Diperlukan metode otomatis yang akurat untuk
melakukan klasifikasi kanker usus menggunakan citra histopatologi. Penelitian ini
bertujuan membandingkan model Support Vector Machine (SVM) dan Artificial
Neural Network (ANN) dan melihat pengaruh ekstraksi fitur Gray Level
Co-occurrence Matrix (GLCM) dalam melakukan klasifikasi kanker usus
menggunakan citra histopatologi. Dataset yang digunakan dalam penelitian ini
berupa citra histopatologi dengan nama Lung and Colon Cancer Histopathological
Images yang didapatkan dari situs Kaggle. Data yang digunakan hanya citra
jaringan usus besar sehat dan citra adenokarsinoma usus besar. Preprocessing yang
dilakukan pada dataset adalah grayscale dan resize. Kinerja dari model SVM dan
ANN diukur menggunakan akurasi dan recall. Pengujian model SVM dilakukan
dengan mengkombinasikan ekstraksi fitur dan nilai C, untuk model ANN
dilakukan dengan mengkombinasikan ekstraksi fitur, jumlah hidden layer, nilai
epoch, dan learning rate. Berdasarkan pengujian yang dilakukan, hasil akurasi
tertinggi didapatkan oleh model ANN menggunakan ekstraksi fitur GLCM, 2
hidden layer, learning rate 0.1, dan epoch 60 yaitu 85.3% lalu hasil akurasi
tertinggi didapatkan oleh model SVM menggunakan ekstraksi fitur GLCM dan
nilai C 10 dan 100 yaitu 79%. Hasil recall tertinggi didapatkan oleh model ANN
menggunakan ekstraksi fitur GLCM, 2 hidden layer, learning rate 0.3, dan epoch
70 yaitu 80.7% lalu hasil recall tertinggi didapatkan oleh model SVM
menggunakan ekstraksi fitur GLCM dan nilai C 10 dan 100 yaitu 68.9%.