Klasifikasi tumor otak dan normal pada citra ct scan berbasis ciri tekstur grey level C0-occurrence metriks (GLCM) menggunakan back propagation neural network
| Main Author: | Anggraeni, Syntia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
https://eprints.walisongo.ac.id/id/eprint/16255/1/1708026015-Syntia%20Anggraeni-Naskah%20Skripsi%20-%20Syntia%20Anggraeni.pdf https://eprints.walisongo.ac.id/id/eprint/16255/ |
Daftar Isi:
- CT Scan merupakan alat radiologi yang dapat digunakan untuk mendiagnosa kelainan pada otak berdasarkan hasil citra keluaran. Penelitian ini bertujuan untuk mengklasifikasi citra otak dengan kategori otak normal dan tumor otak. Metode penelitian yang digunakan meliputi proses Cropping, Grayscalling, Equalization Histogram, penggalian ciri tekstur Grey Level Co-Occurrence (GLCM) dengan memanfaatkan tiga fitur yaitu ASM, IDM, dan Entropy dan proses terakhir yaitu proses klasifikasi menggunakan metode Backpropagation Neural Network.Berdasarkan hasil penelitian dapat diketahui bahwa dari 25 citra otak normal dan 25 citra tumor otak baik yang berperan sebagai data latih maupun data uji pada proses klasifikasi citra, status citra predictive sama atau sesuai dengan status citra actual. Parameter yang digunakan untuk menghitung performa metode klasifikasi Backpropagation Neural Network yaitu akurasi, spesifisitas, sensitivitas, Positive Predictive Value (PPV), dan Negative Predictive Value (NPV). Adapun hasil yang didapat yaitu nilai akurasi sebesar 100%, spesifisitas sebesar 100%, sensitivitas sebesar 100%, nilai PPV sebesar 1 dan nilai NPV sebesar 1.