Anggrek Citra Nusantara (2015) Klasifikasi Digital Mammogram Berbasis Metode Nearest Neighbor Untuk Deteksi Kanker Payudara. Skripsi thesis, UNIVERSITAS AIRLANGGA.
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (Cover)
1. COVER.pdf Download (297kB) |
|
Text (Abstrak)
2. ABSTRAK.pdf Download (305kB) |
|
Text (Daftar Isi)
3. DAFTAR ISI.pdf Download (313kB) |
|
Text (Bab i pendahuluan)
4. BAB I PENDAHULUAN.pdf Download (321kB) |
|
Text (Bab II)
5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 11 February 2023. Download (712kB) | Request a copy |
|
Text (Bab III)
6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 11 February 2023. Download (584kB) | Request a copy |
|
Text (Bab IV)
7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 11 February 2023. Download (995kB) | Request a copy |
|
Text (Bab v)
8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 11 February 2023. Download (295kB) | Request a copy |
|
Text
9. DAFTAR PUSTAKA.pdf Download (303kB) |
|
Text (Lampiran)
10. LAMPIRAN.pdf Restricted to Registered users only until 11 February 2023. Download (496kB) | Request a copy |
Abstract
Kanker payudara adalah jenis kanker yang paling banyak didiagnosis pada kaum wanita di seluruh dunia. Kanker payudara dapat dideteksi menggunakan citra digital mammografi. Pada penelitian ini didesain suatu sistem yang mampu mengklasifikasikan citra digital mammografi menjadi dua kelas, yaitu citra mammografi normal dan abnormal berdasarkan metode k-Nearest Neighbor (kNN). Sebelum diklasifikasi, citra mammografi di-crop untuk diambil Region of Interest (ROI)-nya, kemudian dilakukan ekstraksi fitur. Ekstraksi fitur yang dilakukan adalah ekstraksi fitur tekstur berbasis transformasi wavelet dengan mengambil nilai energi, mean, dan standar deviasi hasil dekomposisi wavelet. Dekomposisi wavelet yang menghasilkan tingkat akurasi paling optimal adalah dekomposisi wavelet level 3 dengan kombinasi fitur mean dan standar deviasi. Nilai k yang paling optimal dalam mengklasifikasikan 31 data uji menggunakan metode kNN adalah k=2, dengan tingkat akurasi sebesar 96.8%.
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK ST. T. 12/15 Nus k | |||||||||
| Uncontrolled Keywords: | BREAST CANCER; MAMMOGRAM | |||||||||
| Subjects: | R Medicine > RC Internal medicine > RC0254 Neoplasms. Tumors. Oncology (including Cancer) R Medicine > RM Therapeutics. Pharmacology > RM260-263 Chemotherapy |
|||||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Tekno Biomedik | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | sukartini sukartini | |||||||||
| Date Deposited: | 15 Jul 2015 12:00 | |||||||||
| Last Modified: | 27 May 2020 04:35 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/28124 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |