Della Nanda Aprilia (2020) Fuzzy K-Nearest Neighbor Untuk Klasifikasi Tuberkulosis Paru Berbasis Discrete Cosine Transform (Dct) Pada Citra X-Ray Thorax. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text 1. HALAMAN JUDUL.pdf Download (126kB)
	Text 2. ABSTRAK.pdf Download (89kB)
	Text 3. DAFTAR ISI.pdf Download (85kB)
	Text 4. BAB I PENDAHULUAN.pdf Download (84kB)
	Text 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 6 January 2024. Download (293kB) | Request a copy
	Text 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 6 January 2024. Download (216kB) | Request a copy
	Text 7. BAB IV HASIL DAN ANALISIS.pdf Restricted to Registered users only until 6 January 2024. Download (984kB) | Request a copy
	Text 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 6 January 2024. Download (61kB) | Request a copy
	Text 9. DAFTAR PUSTAKA.pdf Download (84kB)
	Text 10. LAMPIRAN.pdf Restricted to Registered users only until 6 January 2024. Download (220kB) | Request a copy
	Text Surat Embargo - Della Nanda Aprilia.pdf Restricted to Repository staff only Download (112kB) | Request a copy

Abstract

Tuberkulosis adalah salah satu penyakit infeksi yang disebabkan oleh bakteri Mycobacterium tuberculosis. Tuberkulosis dapat dideteksi salah satunya menggunakan pemeriksan x-ray thorax tetapi dalam hal diagnosis para praktisi medis masih mengidentifikasi secara manual sehingga membutuhkan waktu yang cukup lama dan ada resiko kesalahan dalam diagnosis. Pada penelitian ini didesain sebuah sistem yang dapat mengklasifikasikan citra x-ray thorax menjadi dua kelas, yaitu citra tuberkulosis dan citra normal menggunakan metode fuzzy k-nearest neighbor. Sebelum memasuki tahap klasifikasi, dilakukan tahap preprocessing yaitu cropping untuk mengambil bagian paru-paru saja, kemudian dikonversi menjadi grayscale dan resizing untuk menyamakan ukuran masukan citra, kemudian dilakukan ekstraksi ciri. Ekstraksi ciri yang dilakukan menggunakan metode discrete cosine transform dengan mengambil nilai fitur statistik yaitu mean, standar deviasi, kurtosis, skewness dan entropy selain itu juga dilakukan reduksi dimensi menggunakan machine learning t-SNE menjadi lima dan tujuh fitur. Ekstraksi ciri discrete cosine transform yang menghasilkan nilai akurasi paling optimal adalah kombinasi fitur mean dan entropy. Nilai K yang paling optimal dalam mengklasifikasikan 64 data uji menggunakan metode fuzzy k-nearest neighbor adalah K=3, dengan tingkat akurasi 90,63% sensitivitas 94,12% dan spesifisitas 86,66%.

Actions (login required)

View Item