Klasifikasi Tumor Otak pada Citra Magnetic Resonance Image dengan Menggunakan Metode Support Vector Machine

Ainani Shabrina Febrianti, Tri Arief Sardjono, Atar Fuady Babgei
Submission Date: 2020-01-31 14:23:40
Accepted Date: 2020-07-24 00:00:00

Abstract


Di Indonesia, pasien yang terdiagnosis tumor otak semakin meningkat setiap tahunnya. Bukan hanya orang dewasa saja, tetapi anak-anak juga dapat terserang penyakit tumor otak. Untuk membedakan citra gambar Magnetic Resonance Image (MRI) yang terdeteksi tumor otak dengan yang tidak terdeteksi tumor otak, perlu dilakukan proses klasifikasi dengan menggunakan metode Support Vector Machine (SVM). Dalam penelitian ini, proses klasifikasi dilakukan dalam tiga langkah, Pre-processing yang mengubah ukuran citra, ekstraksi fitur yang mengambil informasi (fitur) secara teksturnya, kemudian diikuti dengan melatih data dan dilakukan pengujian pada SVM. Hasil dari penelitian ini adalah untuk mengklasifikasikan citra MRI dengan tumor atau non tumor. Serta menganalisis tingkat akurasi klasifikasi untuk kernel SVM yang berbeda seperti Linear, RBF dan Polynomial. Dari hasil pengujian klasifikasi dengan SVM, didapatkan tingkat akurasi yang cukup baik sebesar 0.76 dengan menggunakan kernel Linear dan RBF pada tipe C-SVM.

Keywords


Citra MRI; Ekstraksi Fitur; Pre-Processing; Support Vector Machine (SVM); Tumor Otak.

Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Creative Commons License
Jurnal Teknik ITS by Lembaga Penelitian dan Pengabdian Kepada Masyarakat, LPPM-ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at http://ejurnal.its.ac.id/index.php/teknik.
Statistik Pengunjung