Identifikasi Kanker Paru-Paru Menggunakan Metode Naive Bayes Classifier Dengan Fitur Ekstraksi Statistik Orde Dua

Rusnandar, Anza Malik (2021) Identifikasi Kanker Paru-Paru Menggunakan Metode Naive Bayes Classifier Dengan Fitur Ekstraksi Statistik Orde Dua. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 01111640000085-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Saat mengklasifikasikan gambar hasil rontgen paru-paru hanya
dapat diamati dengan mata telanjang oleh tenaga medis yang mana
membutuhkan waktu dan bersifat sangat subjektif dalam penilaian.
Maka dari itu diperlukan suatu metode klasifikasi citra guna
mengidentifikasi pada paru paru. Penelitian ini bertujuan untuk
membandingkan hasil akurasi dari metode tersebut dengan metode
Naive Bayes Classifier fitur ekstraksi ordo satu, dan bandingkan
hasil akurasi penelitian dengan metode Pengklasifikasi Naive
Bayes. Pada penelitian tugas akhir ini menggunakan gambar paruparu Sebanyak 100 gambar, dibagi menjadi 60 gambar pelatihan
dan 40 gambar pengujian. Software yang digunakan dalam
penelitian tugas akhir ini adalah Matlab 2017a. Hasil penelitian ini
menunjukkan bahwa penggunaan fitur ekstraksi ordo dua memiliki
nilai akurasi yang lebih rendah pada data pelatihan yaitu sebesar
75% dan nilai akurasi yang lebih tinggi pada data uji sebesar 87.5%
===============================================================================================
When classifying the X-ray images of the lungs it can only be
observed with the naked eye by medical personnel which takes time
and is very subjective in the assessment. Therefore we need an
image classification method to identify the lungs. This study aims
to compare the results of the accuracy of this method with the Naive
Bayes Classifier method of first order extraction features, and to
compare the results of the accuracy of the study with the Naive
Bayes Classifier method. In this research, 100 images of the lungs
are used, divided into 60 training images and 40 test images. The
software used in this final project research is Matlab 2017a. The
results showed that the use of the second order extraction feature
had a lower accuracy value on the training data by 75% and a
higher value value on the test data of 87.5%

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	classify, lungs, Naïve Bayes ;Klasifikasi, Paru paru, Naïve Bayes
Subjects:	Q Science > Q Science (General) > Q337.5 Pattern recognition systems
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Physics > 45201-(S1) Undergraduate Thesis
Depositing User:	Anza Malik Rusnandar
Date Deposited:	05 Mar 2021 03:30
Last Modified:	05 Mar 2021 03:30
URI:	http://repository.its.ac.id/id/eprint/83522

Actions (login required)

View Item