Firman Rizki Santoso (2020) Klasifikasi Citra X-Ray Tuberkulosis Paru Menggunakan Fuzzy K-Nearest Neighbor. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text 1. HALAMAN JUDUL.pdf Download (402kB)
	Text 2. ABSTRAK.pdf Download (148kB)
	Text 3. DAFTAR ISI.pdf Download (226kB)
	Text 4. BAB I PENDAHULUAN.pdf Download (159kB)
	Text 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 14 January 2024. Download (547kB) | Request a copy
	Text 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 15 January 2024. Download (349kB) | Request a copy
	Text 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 14 January 2024. Download (197kB) | Request a copy
	Text 7. BAB IV ANALISIS DAN PEMBAHASAN.pdf Restricted to Registered users only until 14 January 2024. Download (964kB) | Request a copy
	Text 9. DAFTAR PUSTAKA.pdf Download (204kB)
	Text 10. LAMPIRAN.pdf Restricted to Repository staff only until 14 January 2024. Download (728kB) | Request a copy
	Text Embargo Publikasi - firman rizki.pdf Restricted to Registered users only until 14 January 2024. Download (554kB) | Request a copy

Abstract

Pada tahun 2015, WHO memperkirakan antara tahun 2002-2020 akan ada sekitar satu miliar manusia terinfeksi secara global. Indonesia sendiri merupakan negara yang mempunyai kasus TB terbesar ke-2 didunia setelah india. Salah satu metode diagnosis TB adalah pemeriksaan radiologi x-ray, namun sampai saat ini para ahli atau dokter mengidentifikasi citra x-ray masih secara manual sehingga memakan waktu dan beban kerja tinggi untuk mendapatkan hasilnya. Ini yang menyebabkan adanya resiko kesalahan dalam diagnosis pasien TB. Penelitian ini bertujuan untuk membuat skema klasifikasi citra x-ray thorax dengan menggunakan metode Fuzzy K-nearest neighbors (FK-NN) dan fitur invariant moment. Terdapat tiga eksperimen yang dilakukan, yaitu dengan melakukan perubahan pada penggunakan pemilihan variabel dan pemberian threshold dengan nilai k=1 sampai 30. Hasil yang diperoleh menunjukkan eksperimen pertama mendapatkan akurasi tertinggi 82,813%, lalu eksperimen kedua menggunakan seleksi variabel mendapatkan akurasi tertinggi 82,813% , dan yang ketiga dengan menambahkan metode threshold menghasilkan nilai 87.5%. nilai k sangat berpengaruh pada besarnya nilai akurasi. Nilai k memiliki titik puncak akurasi dimana merupakan titik paling efektif pemakaian data yang diikutkan dalam pengambilan keputusan, kemudian akurasi mengalami penurunan dan berbanding terbalik dengan penambahan nilai k-nya, disebabkan semakin banyak data yang tidak relevan diikutkan dalam pengambilan keputusan hasil klasikasi. Walaupun tidak mencapai akurasi yang tinggi tetapi ini sangat membantu dalam memajukan perkembangan multi disiplin ilmu antara ilmu kesehatan dengan perkembangan era digital, diharapkan sistem klasifikasi x-ray pada penelitian ini dapat dikembangkan lebih lanjut untuk meningkatkan akurasinya.

Actions (login required)

View Item