Deteksi Meningioma dan Schwannoma dari Citra CT-Scan Menggunakan Gray Level Co-Occurrence Matrices (GLCM) dan Backpropagation

Fransiska Meilisa, 081211731009 (2016) Deteksi Meningioma dan Schwannoma dari Citra CT-Scan Menggunakan Gray Level Co-Occurrence Matrices (GLCM) dan Backpropagation. Skripsi thesis, Universitas Airlangga.

[img]
Preview
Text (abstrak)
ST.T.16-16 Mei d abstrak.pdf

Download (329kB) | Preview
[img]
Preview
Text (FULLTEXT)
50734.pdf

Download (2MB) | Preview
Official URL: http://lib.unair.ac.id

Abstract

Penelitian ini bertujuan untuk membangun sebuah program yang mampu mendeteksi kelainan meningioma, schwannoma, dan normal dari citra otak CTScan menggunakan jaringan syaraf tiruan backpropagation. Fitur yang digunakan sebagai masukan backpropagation adalah fitur tekstur energi, entropi, dan inverse different moment. Semua fitur tersebut diambil menggunakan metode gray level co-occurrence matrices (GLCM). Akurasi pelatihan backpropagation tertinggi yaitu sebesar 85,5263% dengan maksimum epoh 10000, learning rate 1, dan jumlah neuron di hidden layer 10. Akurasi pengujian sebesar 89,47% dari seluruh data uji, 100% untuk keseluruhan data uji meningioma, 100% untuk keseluruhan data uji normal, dan 50% untuk keseluruhan data uji schwannoma. Akurasi pengujian untuk membedakan otak normal dengan tumor memiliki akurasi yang lebih tinggi daripada literatur. Akan tetapi akurasi utntuk membedakan keseluruhan kasus lebih rendah daripada penelitian sebelumnya. Penambahan fitur morfologi ventrikel otak dan massa tumor dapat menjadi pertimbangan untuk penelitian selanjutnya guna meningkatkan akurasi sistem. Kata kunci : CT-Scan, Meningioma, Schwannoma, GLCM, Backpropagation

Item Type: Thesis (Skripsi)
Additional Information: KKC KK ST.T.16-16 Mei d
Uncontrolled Keywords: CT-Scan, Meningioma, Schwannoma, GLCM, Backpropagation
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7868.D5 Digital electronics and Electronic circuit design
Divisions: 08. Fakultas Sains dan Teknologi > Tekno Biomedik
Creators:
CreatorsEmail
Fransiska Meilisa, 081211731009UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorRetna Apsari, Prof. Dr., M.SiUNSPECIFIED
ContributorEndah Purwanti, S.Si, M.TUNSPECIFIED
Depositing User: Tatik Poedjijarti
Date Deposited: 09 Jan 2017 00:53
Last Modified: 06 Jun 2017 17:47
URI: http://repository.unair.ac.id/id/eprint/50734
Sosial Share:

Actions (login required)

View Item View Item