Analisa Pengaruh Proses Segmentasi Citra Terhadap Klasifikasi Citra Rontgen Paru-Paru Dengan Jst Backpropagation

Khoiro, Muhimmatul (2014) Analisa Pengaruh Proses Segmentasi Citra Terhadap Klasifikasi Citra Rontgen Paru-Paru Dengan Jst Backpropagation. Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.

[img] Text
1110100049-Undergraduate-Thesis.pdf - Published Version

Download (1MB)

Abstract

Analisis pengaruh proses segmentasi citra terhadap klasifikasi citra rontgen paru-paru dengan JST backpropagation telah dilakukan. Data yang digunakan dalam penelitian ini adalah berupa data citra foto rontgen paru-paru yang telah didiagnosa oleh dokter sebanyak 150 data dengan rincian 90 data untuk pelatihan dan 60 data untuk pengujian. Pada penelitian ini, citra foto rontgen akan disegmentasi terlebih dahulu sebelum diklasifikasikan ke dalam tipe paru-paru normal, paru-paru yang terkena kanker dan paru-paru yang terkena efusi. Pemrosesan awal dilakukan dengan pengolahan citra (pra-processing image) dilakukan untuk meningkatkan kualitas visual citra sehingga dapat mempermudah proses klasifikasi citra. Dalam proses ini, citra masukkan diberi perlakuan proses pengolahan citra seperti, komplemen citra , median filter untuk mengurangi noise pada citra, dan adaptif histogram equalisation untuk memperlihatkan detail citra. Citra kemudian disegmentasi dengan menggunakan mask daerah paru-paru yang dibuat dengan proses deteksi tepi canny. Citra hasil segmentasi kemudian diekstraksi nilai-nilai fitur histogram yang ada dalam citra tersebut. Nilai fitur histogram yang digunakan dalam penelitian ini ialah mean, standard deviasi, skewness, kurtosis, dan entropy. Tahapan akhir dilakukan proses pengklasifikasian citra dengan menggunakan jaringan syaraf tiruan backpropagation yang terdiri dari proses pelatihan dan proses pengujian.Pada proses pelatihan didapatkan nilai akurasi sebesar 100% sedangkan proses pengujian sebesar 68,33%. Jika dibandingkan dengan hasil penelitian sebelumnya dengan bahan dan metode yang sama tanpa proses segmentasi, pada penelitian ini terjadi peningkatan performasi jaringan. Dengan adanya proses segmentasi citra, jaringan lebih mudah mengenali pola masukkan dari citra ============================================================================================ Analysis of image segmentation effect for lung x-ray image classification by ANN Backpropagation have been done. The research use 150 data of lung X-ray image, consist of 90 training data and 60 testing data. On this research, X-ray image would be processed by segmentation image before its classificate into type of normal lung, lung cancer, and pneumonia. Pre-processing image has purpose for increase quality of visual image so classification process will be easier. On this process, input image is treated by image processing as complement of image, median filter for reducing noise on image, and adaptif histogram equalisation for displaying details of image. The next process is segmentation by lung fieald mask which have been prepared by edge detection canny. Then histogram features of image are extracted. The histogram features which are used in this reasearch are mean, standart deviation, skewness, kurtosis, and entropy. The final process is classification of image using Backpropagation Artificial Neural Network included training and testing process. The research obtained that learning rate is 100% and testing rate is 68,33%. As if previous research which used the same object and method wihout segmentation of image, performance of network is upgraded by this research. With the segmentation process on image, network can be easier to identify pattern of image input.

Item Type: Thesis (Undergraduate)
Additional Information: RSFi 621.367 Kho a
Uncontrolled Keywords: Segmentasi Citra, Jaringan Syaraf Tiruan Backpropagation, Citra foto rongent paru-paru
Subjects: T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Mathematics and Science > Physics > 45201-(S1) Undergraduate Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 26 Nov 2020 05:25
Last Modified: 26 Nov 2020 05:25
URI: http://repository.its.ac.id/id/eprint/82275

Actions (login required)

View Item View Item