ASYIFA, Pinkan Dinda (2025) Komparasi Deteksi Kanker Otak Menggunakan Tiga Algoritma Klasifikasi dan Tiga Ekstraksi Fitur. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (63kB)
	Text 3. PERNYATAAN ORISINALITAS.pdf Download (243kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (449kB)
	Text 6. KATA PENGANTAR.pdf Download (94kB)
	Text 7. DAFTAR ISI.pdf Download (38kB)
	Text 12. ABSTRAK.pdf Download (31kB)
	Text 13. ABSTRACT.pdf Download (31kB)
	Text 14. BAB I PENDAHULUAN.pdf Download (39kB)
	Text 19. DAFTAR PUSTAKA.pdf Download (118kB)

Abstract

Kanker otak merupakan salah satu penyakit yang berbahaya dan memerlukan
deteksi dini agar penanganan medis dapat dilakukan secara tepat. Penelitian ini
bertujuan untuk membandingkan sistem deteksi kanker otak menggunakan citra
CT-Scan dengan metode ekstraksi fitur Gray Level Co-Occurrence Matrix
(GLCM), Gray Level Run Length Matrix (GLRLM), dan Gray Level Size Zone
Matrix (GLSZM), serta algoritma klasifikasi K-Nearest Neighbors (KNN), Support
Vector Machine (SVM), dan Naïve Bayes (NB). Data yang digunakan berasal dari
database Kaggle dengan total 4.506 citra, yang dibagi menjadi 3.154 citra training
dan 1.352 citra testing. Proses penelitian meliputi pre-processing, ekstraksi fitur,
dan klasifikasi. Hasil penelitian menunjukkan bahwa kombinasi metode ekstraksi
dan algoritma klasifikasi memberikan performa yang bervariasi. Algoritma KNN
menunjukkan performa yang sangat baik pada data training, namun mengalami
overfitting karena performanya menurun secara signifikan saat diuji pada data
testing. Sebaliknya, algoritma SVM mampu mempertahankan performa stabil pada
data training dan dapat melakukan generalisasi pada data testing. Sementara itu,
algoritma Naïve Bayes tidak dapat mengenali pola data secara akurat, sehingga
performanya cenderung rendah di seluruh tahapan. Kombinasi fitur GLSZM dan
algoritma SVM menjadi pendekatan paling seimbang dalam mendeteksi kanker
otak dari citra CT-Scan.
Kata Kunci : Kanker Otak, CT-Scan, GLCM, GLRLM, GLSZM, KNN, SVM,
Naïve Bayes

Actions (login required)

View Item