Rancang Bangun dan Pengujian Performa Sistem Tele-Radiologi untuk Menunjang Proses Screening Penderita Potensial Covid-19

Vanianingsih, Paulina Nadia (2021) Rancang Bangun dan Pengujian Performa Sistem Tele-Radiologi untuk Menunjang Proses Screening Penderita Potensial Covid-19. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
02311940005028_Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (5MB) | Request a copy

Abstract

Pada umumnya, suatu sistem tele-radiologi dalam merepresentasikan citra medis akan membutuhkan memori yang cukup besar, dan dengan kata lain, semakin besar ukuran citra maka semakin besar pula memori yang dibutuhkannya. Kompresi citra merupakan langkah dasar untuk memampatkan citra sehingga mampu ditransmisikan dengan lebih cepat dan menghemat ruang penyimpanan dalam media penyimpan. Dari hasil penelitian terdahulu menunjukkan bahwa pengolahan citra dapat digunakan untuk meningkatkan kualitas citra sehingga dapat menganalisis dan mengidentifikasi citra medis dengan baik. Berdasarkan hal tersebut, dilakukan penelitian mengenai proses kompresi pada citra medis menggunakan metode lossy dengan mengoptimasi kompresi citra X-Ray berdasarkan nilai PSNR terbaik dari hasil kompresi citra. Penelitian ini menggunakan 10 sampel uji dimana citra tersebut akan dicari kualitas optimalnya dari 9 rasio kompresi (10%- 90%). Kompresi citra yang optimal untuk dilakukan klasifikasi pada machine learning yaitu saat rasio kompresi 10% dengan nilai PSNR rata-rata sebesar 34,949 dB, MSE rata-rata sebesar 20,589, ukuran rata-rata citra hasil kompresi sebesar 167607 bytes, dan waktu yang diperlukan untuk transmisi citra sebesar 0,779 detik ===================================================================================================== Representing a medical image will require a large amount of memory, and in other words, the larger the image size, the greater the memory required. Image compression is the basic step to compress the image so that it can be transmitted faster and saves storage space in the storage media. Based on this, a research was conducted on the compression process in medical images using the lossy method by optimizing X-Ray image compression based on the best PSNR value from the image compression results. This study uses 10 test samples where the optimal quality of the image will be sought from 9 compression ratios (10%-90%). The optimal image compression for classification in machine learning is when the compression ratio is 10% with an average PSNR value of 34.949 dB, an average MSE of 20.589, the average size of the compressed image of 167607 bytes, and the time required for transmission. image of 0.779 seconds.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: kompresi citra, PSNR, MSE, rasio kompresi, image compression, compression ratio
Subjects: Q Science > Q Science (General) > Q325.5 Machine learning.
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User: Paulina Nadia Vanianingsih
Date Deposited: 22 Aug 2021 01:31
Last Modified: 22 Aug 2021 01:31
URI: https://repository.its.ac.id/id/eprint/88278

Actions (login required)

View Item View Item