INESIA MEITASARI, 081211832034 (2016) PENGKLASIFIKASIAN BIRADS PENDERITA KANKER PAYUDARA BERDASARKAN ESTIMATOR PENALIZED SPLINE DARI HASIL MAMMOGRAFI DENGAN PEREDUKSI DIMENSI TRANSFORMASI WAVELET DISKRET DAN PARTIAL LEAST SQUARE. Skripsi thesis, UNIVERSITAS AIRLANGGA.
|
Text (ABSTRAK)
ABSTRAK.pdf Download (238kB) | Preview |
|
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (FULL TEXT)
ST. S. 32-16 Mei p.pdf Restricted to Registered users only Download (6MB) | Request a copy |
Abstract
Deteksi dini kanker payudara adalah hal yang sangat diperlukan untuk mencegah terjadinya kanker payudara. Tujuan dari skripsi ini adalah untuk mengklasifikasikan BIRADS penderita kanker payudara berdasarkan estimator penalized spline dengan pereduksi dimensi transformasi wavelet diskret dan partial least square. Salah satu alat yang dapat digunakan untuk menghasilkan gambar medis pada pendeteksian kanker payudara yaitu dengan mamografi. Hasil mammografi berupa image sehingga diolah terlebih dahulu dengan pengolahan citra untuk mendapatkan nilai numerik dari image. Proses pengolahan citra menghasilkan vektor dengan ukuran dimensi yang besar sehingga perlu dilakukan pereduksian dimensi untuk memperoleh data yang dapat diestimasi sebagai model. Pereduksian dimensi dapat dilakukan dengan menggunakan transformasi wavelet diskret, namun pada metode tersebut tidak dapat menjamin bahwa tidak akan terjadi saling korelasi antara koefisien-koefisien wavelet yang dihasilkan sehingga sehingga perlu dilanjutkan dengan menggunakan metode partial least squares yang mampu mengatasi masalah multikolinearitas karena variabel prediktor yang berjumlah banyak. Data hasil pereduksian dimensi dengan transformasi wavelet diskret dan partial least square digunakan untuk mengestimasi model regresi nonparametrik aditif dengan estimator penalized spline. Dalam menentukan model berdasarkan estimator penalized spline digunakan algoritma local scoring dengan kriteria nilai rata-rata deviance konvergen dan nilai RSS (Residual Sum of Square) konvergen. Penelitian ini menggunakan 30 data tidak normal jinak dan 30 data abnormal ganas. 48 data mamografi akan digunakan sebagai model (data insample) dan 12 data digunakan sebagai validasi prediksi (data outsample). Variabel respon yang digunakan berupa data kategori dengan klasifikasi abnormal jinak (
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK ST. S. 32/16 Mei p | |||||||||
| Uncontrolled Keywords: | Kanker Payudara, Pengolahan Citra, Transformasi Wavelet Diskret, Partial Least Square, Regresi Logistik Aditif, Penalized Spline, Cut off Probability | |||||||||
| Subjects: | R Medicine > RC Internal medicine > RC0254 Neoplasms. Tumors. Oncology (including Cancer) R Medicine > RC Internal medicine > RC475-489 Therapeutics. Psychotherapy |
|||||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Matematika | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | sukartini sukartini | |||||||||
| Date Deposited: | 21 Jun 2016 04:41 | |||||||||
| Last Modified: | 21 Jun 2016 04:41 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/33161 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |