Call Number | T-1167 (Softcopy T-876) Source Code T-268 |
Collection Type | Tesis |
Title | Klasifikasi tumor otak menggunakan metode local segmented fractal texture binary pattern, Roytated local binary pattern three orthogonal planes dan domintant local binary pattern |
Author | Felix Indra Kurniadi; |
Publisher | Depok: Fakultas Ilmu Komputer UI, 2017 |
Subject | |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
T-1167 (Softcopy T-876) Source Code T-268 | TERSEDIA |
ABSTRAK Nama : Felix Indra Kurniadi Program Studi : Magister Ilmu Komputer Judul : Klasifikasi Tumor Otak Menggunakan Metode Local Segmented Fractal Texture Binary Pattern, Rotated Local Binary Pattern Three Orthogonal Planes dan Dominant Local Binary Pattern Tumor otak merupakan salah satu penyakit yang mematikan di dunia. Penyakit ini terjadi karena adanya jaringan yang tidak normal tumbuh pada bagian otak. Penelitian yang dilakukan berfokus terhadap klasifikasi tumor otak dengan menggunakan citra MRI 2D dan 3D. Metode yang diajukan untuk penelitian ini adalah Local Segmented Fractal Texture Binary Pattern (LSFTBP) untuk citra 2D dan Rotated Local Binary Pattern Three Orthogonal Plane (RLBP-TOP) untuk citra 3D. Selain itu penulis juga mengusulkan penggunaan nilai dominan untuk seleksi fitur dan penggunaan Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) sebagai classifier. Penelitian ini akan dibandingkan dengan metode ekstraksi fitur lainnya seperti Local Binary Pattern Rotation Invariant Uniform (LBP-RIU), Segmented-based Fractal Texture Analysis(SFTA) dan Complete Local Binary Pattern Sign and Magnitude (CLBPSM) untuk citra 2D dan Complete Local Binary Pattern Sign and Magnitude Three Orthogonal Planes (CLBPSM-TOP) dan Local Binary Pattern Three Orthogonal Planes (LBP-TOP) untuk citra 3D. Dengan melakukan 6 buah skenario dapat diambil kesimpulan bahwa metode LSFTBP yang diusulkan memberikan hasil terbaik pada citra 2D dengan penampang axial pada kedua classifier dengan akurasi terbaik adalah 83.75% dan pada penampang coronal memberikan hasil terbaik dengan menggunakan classifier KNN dengan akurasi terbaik 72.5%. Pada citra volume 3D, metode RLBP-TOP yang diusulkan memberikan akurasi terbaik dengan classifier SVM sebesar 60%. Penggunaan nilai dominan sebagai seleksi fitur memberikan peningkatan akurasi sampai 20% pada classier KNN sedangkan tidak berpengaruh pada classifier SVM. Kata Kunci: tumor otak, local binary pattern, local segmented fractal texture analysis, rotated local binary pattern three orthogonal planes, dominant local binary pattern, BRATS.