Kanker payudara merupakan salah satu jenis kanker yang ganas, deteksi yang lebih awal akan membantu penyembuhan yang lebih baik. Terkait dengan penegakan diagnosis yang akurat pada kanker payudara, salah satu metode dalam bidang patologi adalah analisis imunohistokimia. Salah satu prosedur dalam analisis imunohistokimia adalah menghitung positifitas antigen yang dilakukan dengan menghitung prosentase sel positif dan negatif pada suatu paparan. Selama ini perhitungan positifitas pulasan masih dilakukan secara manual karena pengamatan morfologi imunohistokimia merupakan hal yang penting disamping keterbatasan perangkat bantu yang ada. Proses perhitungan secara manual membutuhkan waktu 5-10 menit dengan akurasi subjektif. Oleh sebab itu, pembuatan perangkat penentu positifitas antigen yang dapat melakukan penghitungan dengan cepat, objektif dan akurasi tinggi sangat penting untuk meningkatkan kualitas diagnosis dokter. Dalam rangka membangun perangkat penentu positifitas antigen tersebut salah satu modul yang harus dipecahkan adalah segmentasi, yaitu bagaimana cara memisahkan bagian citra yang berisi sel positif, negatif dan background. Terdapat dua pendekatan segmentasi yang dapat dilakukan, pertama pendekatan crisp yang diwakili double thresholding dan pendekatan fuzzy yang diwakili oleh fuzzy morphologi. Kinerja dari fuzzy morphologi dan double thresholding telah dibandingkan dalam melakukan segmentasi pulasan imunohistokimia pada citra sel positif kanker payudara. Secara keseluruhan hasil segmentasi dari fuzzy morphologi lebih baik daripada double thresholding kerena tingkat akurasi pendeteksian sel kankernya lebih tinggi dibandingkan dengan metode double thresholding.