Mutammimah (2020) Identifikasi Noise Citra Mri Otak Berbasis Pattern Recognition Svm (Support Vector Machine). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (639kB)
	Text (DAFTAR ISI) 2. DAFTAR ISI.pdf Download (331kB)
	Text (ABSTRAK) 3. ABSTRAK.pdf Download (202kB)
	Text (BAB I PENDAHULUAN) 4. BAB I PENDAHULUAN.pdf Download (474kB)
	Text (BAB II TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 20 January 2024. Download (1MB) | Request a copy
	Text (BAB III METODE PENELITIAN) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 20 January 2024. Download (562kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 20 January 2024. Download (715kB) | Request a copy
	Text (BAB V KESIMPULAN DNA SARAN) 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 20 January 2024. Download (362kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (349kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only until 20 January 2024. Download (469kB) | Request a copy
	Text (PERNYATAAN EMBARGO) 11. PERNYATAAN EMBARGO.pdf Restricted to Registered users only Download (35kB) | Request a copy

Abstract

Noise adalah informasi yang tidak diinginkan berupa sinyal eror yang secara umum terdapat pada suatu citra. Citra yang umum ditemukan mengandung noise adalah citra medis, salah satunya seperti yang dihasilkan oleh modalitas citra MRI. Noise yang muncul dapat menyebabkan informasi asli dari suatu citra tertutupi sehingga mengganggu tenaga medis dalam proses pembacaan. Penelitian ini bertujuan untuk mengidentifikasi adanya noise melalui sebuah program yang diharapkan dapat digunakan pada pengembangan reduksi noise. Citra yang digunakan adalah citra MRI otak dengan variasi potongan aksial, koronal, dan sagital serta variasi sekuens GD T1W_SE, T2W_TSE, dan T2W_FFE. Noise yang diidentifikasi pada penelitian ini yaitu noise gaussian, speckle, dan salt & pepper. Metode ekstraksi ciri histogram orde 1 dipakai untuk memperoleh ciri mean, entropi, variance, skewness, dan kurtosis yang selanjutnya diidentifikasi menggunakan Support Vector Machine (SVM). Data pelatihan berjumlah 240. Setelah diperoleh program pelatihan terbaik, sebanyak 20 data uji program untuk sekuens T2W_FFE dan T2W_FLAIR diidentifikasi ada tidaknya noise. Hasil pelatihan terbaik menunjukkan persentase akurasi sebesar 93,33% dan pengujian paling optimal memiliki akurasi sebesar 86,67%. Selain itu, hasil identifikasi data uji program menunjukkan bahwa metode SVM cukup baik dan dapat digunakan untuk mengidentifikasi noise pada citra MRI otak.

Actions (login required)

View Item