Rakhman Wahid, Radical (2020) KLASIFIKASI CITRA TUMOR OTAK DENGAN ALGORITMA HIBRIDA CONVOLUTIONAL NEURAL NETWORK-EXTREME LEARNING MACHINE. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.
|
Text (Cover)
cover.pdf Download (2MB) | Preview |
|
|
Text (Bab 1)
b1.pdf Download (101kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Bab 2)
b2.pdf Restricted to Registered users only until 17 November 2023. Download (1MB) |
|
|
Text (Bab 3)
b3.pdf Restricted to Registered users only until 17 November 2023. Download (552kB) |
|
|
Text (Bab 4)
b4.pdf Restricted to Registered users only until 17 November 2023. Download (615kB) |
|
|
Text (Bab 5)
b5.pdf Download (106kB) | Preview |
|
|
Text (Daftar pustaka)
dapus.pdf Download (225kB) | Preview |
Abstract
Tumor otak merupakan penyakit yang menyerang otak makhluk hidup di mana sel otak tumbuh secara tidak normal pada daerah sekitar otak. Berbagai macam cara telah dilakukan untuk mendeteksi penyakit ini, bahkan dengan bantuan teknologi digital, salah satunya dengan melalui pendekatan anatomi citra kesehatan. Pada penelitian ini penulis mengusulkan algoritma hibrida Convolutional Neural Network (CNN)-Extreme Learning Machine (ELM) sebagai pengekstrak fitur dan pengklasifikasi citra tumor otak yang didapat melalui pemindaian Magnetic Resonance Imaging. ELM dipilih karena keunggulannya pada proses pelatihan, yaitu lebih cepat dibanding algoritma pembelajaran mesin yang sifatnya iteratif sedangkan CNN dipilih untuk menggantikan proses ekstraksi fitur tradisional. Dataset yang digunakan adalah Brain MRI Images for Tumor Detection. Dataset tersebut berisi dua kategori citra yaitu Tumor dan Otak tanpa tumor (sehat). Citra pada dataset tersebut dipraproses sebelum masuk tahap klasifikasi, CNN-ELM dilatih pada data latih (70% data) dan melakukan pengujian performa pada data uji (30% data). Hasilnya CNN-ELM yang memiliki 8 filter di lapisan konvolusi dan 6000 node pada lapisan tersembunyi memiliki performa paling baik jika dibandingkan CNNELM yang memiliki jumlah filter dan jumlah node pada lapisan tersembunyi lainnya. Ini dibuktikan melalui nilai rata-rata presisi, recall, dan F1-score nya adalah 0,915 sedangkan akurasi ujinya sebesar 91,4%. Kata Kunci : Klasifikasi, Algoritma Hibrida, Pengolahan Citra Digital, Tumor Otak, Sistem Diagnosis Komputer
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Fatchullah Fatchullah | ||||||||||||
| Date Deposited: | 19 Nov 2021 02:04 | ||||||||||||
| Last Modified: | 19 Nov 2021 02:04 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/3258 |
Actions (login required)
 |
View Item |