SEGMENTASI CITRA CT-SCAN KANKER SERVIKS MENGGUNAKAN METODE K-NEAREST NEIGHBORS (k-NN)

RR. PUTRI AMARISTYA PURWONO, 081511733030 (2019) SEGMENTASI CITRA CT-SCAN KANKER SERVIKS MENGGUNAKAN METODE K-NEAREST NEIGHBORS (k-NN). Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img] Text
ST.T.20-19 Pur s abstrak.pdf

Download (42kB)
[img] Text
ST.T.20-19 Pur s daftar isi.pdf

Download (53kB)
[img] Text
ST.T.20-19 Pur s daftar pustaka.pdf

Download (180kB)
[img] Text (FULLTEXT)
ST.T.20-19 Pur s.pdf
Restricted to Registered users only until 16 October 2022.

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

Abstract

World Cancer Research Fund pada tahun 2018 menyatakan bahwa terdapat lebih dari 500.000 kasus kanker serviks di dunia. Salah satu metode yang sering digunakan dalam evaluasi dan observasi kanker serviks di Indonesia adalah CT-Scan. Namun, citra CT-Scan cenderung memiliki kontras rendah sehingga sulit untuk membedakan organ normal dengan kanker. Hal ini dapat mengakibatkan terjadinya interpretasi dan diagnosis yang salah, bahkan malapraktik. Penelitian ini bertujuan untuk mengembangkan skema CAD untuk mensegmentasi citra CT-Scan kanker serviks dengan harapan dapat membantu dokter dan radiolog dalam evaluasi dan observasi pasien kanker serviks. Algoritma computer yang dikembangkan terdiri dari tahap ekstraksi fitur dan klasifikasi piksel citra CT-Scan kanker serviks melalui metode K-Nearest Neigbors (k-NN). Terdapat dua eksperimen yang dilakukan dengan menggunakan dua ekstraksi fitur (nilai minimum, maksimum, rata-rata dan nilai piksel langsung) dengan tiga nilai K (K=3, K=5 dan K=9), untuk memahami pengaruh ekstraksi fitur dan nilai K terhadap hasil segmentasi. Hasil yang diperoleh menunjukkan bahwa eksperimen satu memiliki rata-rata balanced accuracy sebesar 59.484% sedangkan eksperimen dua memiliki rata-rata balanced accuracy sebesar 58.552%. Selain itu, nilai K yang semakin besar menurunkan balanced accuracy sebesar 0.287-2.277%. Dapat dikatakan bahwa ekstraksi fitur dan nilai K memiliki pengaruh signifikan terhadap hasil segmentasi. Sistem CAD sendiri tidak diharapkan untuk memberikan diagnosis dengan akurasi 100%, melainkan untuk membantu radiolog dan dokter dalam evaluasi dan observasi citra CT-Scan Kanker Serviks. Meskitpun demikian, sistem CAD pada penelitian ini perlu dikembangkan lebih lanjut untuk meningkatkan akurasinya.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK ST T 20/19 Pur s
Uncontrolled Keywords: Computer Aided Diagnosis, Kanker Serviks, K-Nearest Neighbors, Segmentasi
Subjects: T Technology > TR Photography > TR287-500 Photographic processing. Darkroom technique
Divisions: 08. Fakultas Sains dan Teknologi > Tekno Biomedik
Creators:
CreatorsNIM/NIDN
RR. PUTRI AMARISTYA PURWONO, 081511733030UNSPECIFIED
Contributors:
ContributionNameNIDN/NIDK/NUP
ContributorEndah Purwanti, S.Si., M.T.,, NIDN: '0031107705UNSPECIFIED
Depositing User: Dwi Marina
Date Deposited: 16 Oct 2019 01:49
Last Modified: 16 Oct 2019 01:49
URI: http://repository.unair.ac.id/id/eprint/89178
Sosial Share:

Actions (login required)

View Item View Item