AHMAD, Harisma Zaini (2025) Pengaruh Penggunaan Filter Citra Terhadap Akurasi Klasifikasi Multikelas Citra Magnetic Resonance Imaging Tumor Otak Menggunakan Support Vector Machine. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (40kB)
	Text 3. Pernyataan Orisinalitas.pdf Download (90kB)
	Text 4. Halaman Pengesahan.pdf Download (619kB)
	Text 6. Kata Pengantar.pdf Download (98kB)
	Text 7. Daftar Isi.pdf Download (45kB)
	Text 12. Abstrak.pdf Download (7kB)
	Text 13. Abstract.pdf Download (68kB)
	Text 14. BAB I.pdf Download (82kB)
	Text 19. Daftar Pustaka.pdf Download (91kB)

Abstract

Diagnosis tumor otak pada citra magnetic resonance imaging (MRI) dengan
bantuan algoritma machine learning (ML) lekat dengan penggunaan filter citra
dan klasifikasi biner. Untuk membedakan jenis-jenis tumor otak, diperlukan
algoritma yang dapat melakukan klasifikasi terhadap banyak kelas atau klasifikasi
multi-kelas. Penelitian ini bertujuan untuk membuat model ML yang dapat
mengklasifikasi jenis-jenis tumor otak berbeda dengan akurasi yang optimal
(>80%) serta mengidentifikasi dampak penggunaan filter pada citra terhadap
akurasi model. Metode klasifikasi yang digunakan adalah support vector machine
(SVM). Data yang digunakan mencakup empat kelas citra, yaitu Glioma,
Meningioma, Pituitary, dan Normal. Total data yang digunakan terdiri atas 6725
citra, 5460 untuk pelatihan dan 1265 untuk pengujian. Citra-citra tersebut akan
diekstrak fiturnya dengan algoritma gray-level co-occurrence matrix (GLCM).
Fitur-fitur tersebut digunakan sebagai masukan ketika mengklasifikasi citra.
Terdapat tiga model yang dibuat, yaitu model tanpa filter, model dengan filter
anisotropic diffusion filter (ADF), dan model dengan filter Median. Hasilnya,
model belum mampu mengklasifikasi jenis-jenis tumor otak secara optimal.
Akurasi terbaik ditunjukkan oleh model tanpa filter dengan akurasi rata-rata saat
pelatihan dan pengujian sebesar 77,77% dan 78,75%. Penggunaan filter pada
model klasifikasi multi-kelas menghasilkan penurunan performa, khususnya
akurasi, pada model ML.
Kata-kata kunci: tumor otak, klasifikasi multi-kelas, filter, SVM.

Actions (login required)

View Item