Hellena Adhelya Mayangsari, 080610184 (2010) Deteksi Kelainan Otak Ischemic Cerebral Infarction Hasil Rekaman Magnetic Resonance Imaging (MRI) Berbasis Jaringan Syaraf Learning Vector Quantization (LVQ). Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2011-mayangsari-14934-abstrak-d.pdf Download (300kB) | Preview
	Text (FULL TEXT) 25381.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Deteksi kelainan otak Ischemic Cerebral Infarction merupakan salah satu bidang dalam ilmu komputer yang dapat membantu dokter dalam proses pendeteksian kelainan otak Ischemic Cerebral Infarction (stroke iskemik) . Salah satu teknik pendeteksian kelainan otak ini adalah jaringan syaraf tiruan, dimana metode ini menggunakan prinsip dari otak manusia yang terdiri dari neuron sebagai pemrosesan input untuk menghasilkan output berdasarkan bobot yang ada. Skripsi ini bertujuan untuk menerapkan jaringan syaraf tiruan pada deteksi kelainan otak Ischemic Cerebral Infarction (stroke iskemik) dan membuat program yang mensimulasikan metode ini menggunakan software Visual Basic 6.0. Arsitektur jaringan syaraf tiruan yang digunakan adalah competitive layer neural network dengan algoritma pembelajaran Learning Vector Quantization (LVQ). Data yang digunakan berupa citra hasil Magnetic Resonance Imaging (MRI) berukuran 185x185 piksel yang telah dirubah menjadi numerik dengan proses pengolahan citra. Langkah-langkah yang dilakukan pada pengolahan citra antara lain proses grayscale, histogram equalization, dan segmentasi. Dari proses pengolahan citra diperoleh numerik berupa matriks berukuran 37x37, kemudian dengan proses normalisasi matriks tersebut dirubah menjadi vektor berukuran 1369x1 untuk setiap citra. Pelatihan jaringan menggunakan data sebanyak 12 citra yang terdiri 6 citra normal dan 6 citra stroke dengan learning rate 0.1 ; dec.alpha 0.05 ; min alpha 0.00001 ; dan maksimum epoh 40. Hasil validasi untuk 40 citra otak diperoleh prosentase kebenaran sebesar 95%.

Actions (login required)

View Item