ZULFANITA DIEN RIZQIANA, 081211832019 (2016) PENDETEKSIAN KELAINAN OTAK BERDASARKAN ESTIMATOR KERNEL DENGAN PEREDUKSI DIMENSI TRANSFORMASI WAVELET DISKRET DAN PARTIAL LEAST SQUARE. Skripsi thesis, UNIVERSITAS AIRLANGGA.
|
Text (HALAMAN DEPAN)
HALAMAN DEPAN.pdf Download (2MB) | Preview |
|
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
13 BAB I PENDAHULUAN.pdf Restricted to Registered users only Download (538kB) | Request a copy |
|
|
Text (BAB II)
14 BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (807kB) | Request a copy |
|
|
Text (BAB III)
15 BAB III METODE PENELITIAN.pdf Restricted to Registered users only Download (706kB) | Request a copy |
|
|
Text (BAB IV)
16 BAB IV HASIL DAN PEMBAHASAN .pdf Restricted to Registered users only Download (728kB) | Request a copy |
|
|
Text (BAB V)
17 BAB V PENUTUP.pdf Restricted to Registered users only Download (359kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
18 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (375kB) | Request a copy |
|
|
Text (LAMPIRAN)
19 LAMPIRAN .pdf Restricted to Registered users only Download (1MB) | Request a copy |
Abstract
Tujuan dari penulisan skripsi ini adalah untuk mendeteksi kelainan otak berdasarkan estimator kernel dengan pereduksi dimensi transformasi wavelet diskret dan partial least square. Data kelainan otak berupa image hasil MRI sehingga perlu diolah terlebih dahulu menggunakan pengolahan citra untuk mendapatkan nilai numerik dari image. Hasil pengolahan citra tersebut menghasilkan vektor dengan ukuran dimensi yang besar sehingga untuk mengestimasi modelnya harus terlebih dahulu dilakukan pereduksian dimensi. Transformasi wavelet diskret merupakan salah satu metode pereduksian dimensi yang sering dipakai, namun metode ini tidak dapat mengatasi adanya multikolinieritas. Salah satu metode yang dapat digunakan untuk mengatasi multikolinieritas yaitu partial least square. Hasil dari transformasi wavelet diskret dan partial least square merupakan variabel prediktor yang akan digunakan untuk mengestimasi model kelainan otak. Dalam mengestimasi model regresi logistik nonparametrik aditif berdasarkan estimator kernel digunakan algoritma Local Scoring. Algoritma Local Scoring terdiri dari langkah Scoring dan langkah Backfitting. Estimasi diperoleh ketika iterasi nilai deviance konvergen dan iterasi nilai RSS (Residual Sum of Square) konvergen. Data kelainan otak yang digunakan yaitu data kelainan otak yang terdiri dari 30 data kelainan otak untuk insample dan 10 data untuk outsample dari whole atlas brain, 1999. Variabel responnya yaitu kelainan otak (Y =1) dan otak normal (Y = 0) dan variabel prediktornya didapat dari hasil reduksi dimensi dengan variabel prediktor terpilih sebanyak 20 prediktor. Hasil pendeteksian kelainan otak pada data insample menghasilkan ketepatan klasifikasi sebesar 100 persen dan pendeteksian pada data outsample didapatkan hasil ketepatan klasifikasi sebesar 90 persen.
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK ST S 21-16 Riz p | |||||||||
| Uncontrolled Keywords: | Brain Disorders, Image Processing, Discret Wavelet Transformation, Partial Least Square, Logistic Regression, Kernel Estimator, Local Scoring Algorithm | |||||||||
| Subjects: | Q Science > QA Mathematics > QA76.73. Computer algorithms and Data structures | |||||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Matematika | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | Mrs. Djuwarnik Djuwey | |||||||||
| Date Deposited: | 03 May 2016 04:47 | |||||||||
| Last Modified: | 03 May 2016 04:47 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/30313 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |