Identifikasi Abnormalitas Paru-Paru Pada Citra Foto Thorax (Chest X-Ray) menggunakan Metode Wavelet Daubechies dan Jaringan Syaraf Tiruan
|
|
- Yuliani Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Identifikasi Abnormalitas Paru-Paru Pada Citra Foto Thorax (Chest X-Ray) menggunakan Metode Wavelet Daubechies dan Jaringan Syaraf Tiruan Rezkiana Hasanuddin Deasy Mutiara Putri Amil Ahmad Ilham Indrabayu Amirullah Program Studi Teknik Informatika, Jurusan Teknik Elektro, Fakultas Teknik Universitas Hasanuddin ABSTRAK Penelitian ini bertujuan untuk menghasilkan suatu sistem yang dapat mengidentifikasi abnormalitas paru-paru pada foto thorax dan menghasilkan 3 buah keluaran informasi: paru-paru normal, efusi pleura, dan tuberkulosis paru. Proses pendeteksian diawali dengan pemrosesan awal (pre-processing) terhadap citra chest x-ray, segmentasi area paru-paru, ekstraksi fitur menggunakan wavelet daubechies, dan tahap pelatihan menggunakan jaringan syaraf tiruan (artificial neural network). Penelitian ini meliputi analisis penggunaan wavelet daubechies sebagai metode ekstraksi fitur dan analisis tingkat akurasi sistem berdasarkan persentase parameter confusion matrix pada jaringan syaraf tiruan. Citra latih yang digunakan sebanyak 75 sampel, terdiri dari 43 sampel paru-paru normal, 20 sampel efusi pleura, dan 12 sampel tuberkulosis paru. Citra uji terdiri dari data uji primer dan data uji sekunder sebanyak 35 sampel citra, 19 sampel paru-paru normal, 8 sampel efusi pleura, dan 8 sampel tuberkulosis paru. Akurasi tertinggi diperoleh pada dekomposisi level 7 dan ordo db 6 dengan persentase 100% untuk data latih. Tingkat akurasi untuk data uji mencapai 91.65%. Kata Kunci: Chest X-Ray, Wavelet Daubechies, Artificial Neural Network I. PENDAHULUAN Berbagai metode berbasis komputer telah diperkenalkan untuk membantu kinerja radiologis. Pemeriksaan foto thorax (Chest X-Ray) merupakan salah satu metode pemeriksaan berbasis komputer yang cukup sering dilakukan oleh rumah sakit terhadap pasien untuk berbagai macam kasus. Chest x-ray memperlihatkan gambaran dari jantung, paru-paru, saluran udara, pembuluh darah dan tulang belakang dan tulang iga. Paru-Paru merupakan organ yang berada dalam thorax yang paling banyak dikenai penyakit.[1] Pada beberapa jenis penyakit, biasanya ada yang menunjukkan gambaran yang sulit untuk ditentukan diagnosanya disebabkan oleh ciri-ciri penyakitnya yang tergolong mirip. Salah satu dari penyakit yang cukup sulit dibedakan ialah tuberkulosis paru dan efusi pleura. Tuberkulosis paru adalah suatu penyakit menular yang disebabkan oleh basil microbacterium tuberkulosis yang merupakan salah satu penyakit saluran pernafasan. Efusi pleura adalah suatu keadaan dimana terdapat cairan berlebihan di rongga pleura, dimana kondisi ini jika dibiarkan akan membahayakan jiwa penderitanya. Pleura ialah lapisan tisu tipis yang menutupi paru-paru dan melapisi dinding bagian dalam rongga dada.[2] Di Indonesia, Tuberkulosis Paru adalah penyebab kematian ke-2 setelah penyakit jantung dan pembuluh darah lainnya. Selain dari itu Indonesia adalah negara ke-3 di dunia yang mempunyai penderita Tuberkulosis Paru terbanyak setelah Cina dan India. Tuberkulosis Paru banyak terdapat di kalangan penduduk dengan kondisi sosial ekonomi rendah dan menyerang golongan usia produktif (15-54 tahun).[3] Image Processing telah banyak diimplementasikan dalam bidang kedokteran untuk identifikasi suatu penyakit. Adapun metode pendekatan pola yang digunakan bermacammacam, seperti artificial neural network (jaringan syaraf tiruan, wavelet, dan sebagainya. Berdasarkan penjelasan-penjelasan diatas, maka penulis berinisiatif untuk membangun sebuah sistem yang dapat mengidentifikasi adanya kelainan (abnormalitas) pada paru-paru terhadap foto thorax. Sistem ini dapat digunakan sebagai diagnosa pendukung terhadap diagnosa yang dikeluarkan oleh dokter ahli. Selain itu juga dapat membantu mahasiswa co-assistant yang sedang belajar di bagian radiologi rumah sakit sebagai alat pengambil keputusan untuk membandingkan diagnosa pada foto thorax yang diteliti. Page 1 of 8
2 II. PENELITIAN TERKAIT Beberapa penelitian terkait mengenai proses identifikasi untuk mendapatkan informasi dengan input citra telah banyak dilakukan sebelumnya. Pada penelitiannya mengenai perbaikan kualitas citra x-ray organ tubuh manusia, Meyriam Dwi Pratiwi memaparkan bahwa tingkat kecemerlangan suatu citra dapat terlihat pada grafik histogram citra tersebut. Oleh karena itu, intuk memperbaiki kualitas citra, perlu dilaksanakan teknik perataan histogram dan peregangan kontras citra.[5] Image enhancement (perbaikan kualitas citra) terhadap citra x-ray pada penelitian ini meliputi perataan histogram, grayscaling, thresholding, blur, edge detection, dan dilate. Ronald Ommy menggunakan wavelet daubechies untuk mendapatkan fitur citra iris mata. Pada penelitiannya, ia membandingkan pengaruh level dekomposisi terhadap tingkat akurasi dan pengaruh jenis/ordo wavelet daubechies terhadap tingkat akurasi.[6] Dane Kurnia Putra menggunakan wavelet haar dan jarak Euclidean untuk identifikasi kanker pada citra mammografi. Wavelet haar digunakan untuk mendekomposisi citra basis data dan citra uji untuk mencari koefisien dari setiap node. Pada batasan masalah dijelaskan bahwa penelitiannya menggunakan 1 ciri yaitu energi. Energy yang dimaksud disini ialah energi yang terkandung pada tiap subband hasil dekomposisi oleh wavelet.[7] Gambar 3.1. Contoh Foto Thorax Gambar 3.1 merupakan salah satu contoh foto thorax normal (tidak ada kelainan radiologis). III. 2. Tahap Pengolahan Citra Tahap pengolahan citra terdiri dari: Tahap preprocessing, segmentasi, dekomposisi, dan normalisasi. Gambar 3.2 menunjukkan alur tahapan pre-processing, dekomposisi, normalisasi, hingga penyimpanan fitur citra menjadi dataset. III. METODE PENELITIAN III. 1. Perancangan Sistem Perancangan sistem diawali dengan klasifikasi data (foto thorax/chest x-ray) berdasarkan diagnosa, yaitu paru-paru normal, efusi pleura, dan tuberkulosis paru. Data yang telah diambil di Instalasi Gawat Darurat bagian Radiologi Rumah Sakit Wahidin Sudirohusodo ini sebanyak 90 citra. Citra dengan diagnosa paru-paru normal sebanyak 52 sampel, diagnosa efusi pleura sebanyak 23 sampel, dan diagnosa tuberkulosis paru sebanyak 15 sampel. Sampel-sampel citra ini dibagi kembali atas dua, sampel untuk data latih dan sampel untuk data uji. Sampel untuk data latih diambil sebanyak 43 sampel paru-paru normal, 20 sampel efusi pleura, dan 12 sampel tuberkulosis paru. Tersisa 15 sampel untuk data uji (9 paru-paru normal, 3 efusi pleura, 3 tuberkulosis paru) yang akan digunakan untuk menguji tingkat akurasi sistem identifikasi. Gambar 3.2. Flowchart proses pengolahan citra III Pre-processing Tahapan pre-processing meliputi perintahperintah berikut: - Adjust Histogram: perataan historam Page 2 of 8
3 - Grayscaling: mengubah citra RGB menjadi grayscale - Thresholding: mengubah citra graycale (skala keabuan) menjadi citra biner - Blur: menambah smoothness pada citra untuk memudahkan deteksi garis/tepi - Edge Detection: deteksi tepi, untuk menemukan area paru-paru - Dilate (Dilasi): pelebaran area agar dapat mencakup area paru-paru - Fill Hole: mengisi area yang telah ditandai sebagai paru-paru - Bwareaopen: menghilangkan noise kecil diluar area paru-paru - Clear Border: menghilangkan area yang terdeteksi diluar area paru-paru yang bersentuhan dengan border citra III Segmentasi Tahapan segmentasi dilakukan dengan perintah masking setelah citra melalui tahap pre-processing. Citra yang diperoleh kemudian akan terdiri atas bagian objek paruparu dan bagian latar belakang yang bukan paru-paru. Gambar 3.3 menunjukkan citra seblum segmentasi dan citra setelah segmentasi. Gambar 3.3. Foto Thorax sebelum dan setelah segmentasi area paru-paru III Dekomposisi Setelah area paru-paru disegmentasi, dilakukan dekomposisi menggunakan wavelet daubechies. Hasil dekomposisi yang diambil untuk menjadi fitur citra ialah koefisien approksimasi. Pada penelitian ini, hendak dicari ordo dan level terbaik agar dapat menghasilkan sistem identifikasi citra yang akurat. Level dekomposisi wavelet yang digunakan untuk penelitian dimulai dari level 5 10, serta ordo 2 10 (db2, db5,, db10). Setelah hasil dekomposisi disimpan dalam bentuk.mat file untuk masing-masing diagnosa,.mat file tiap diagnosa digabung dan disimpan sebagai dataset untuk proses pelatihan pada jaringan syaraf tiruan. Dataset ini berisi variabel fitur citra dan variabel target (paru-paru normal, efusi pleura, dan tuberkulosis paru). Selanjutnya dilakukan proses normalisasi terhadap fitur citra yang berada di dataset. Normalisasi dilakukan untuk mengubah fitur ke dalam ukuran tertentu, agar mendapatkan standar ekstraksi ciri yang sesuai untuk setiap citra thorax. Serta untuk efisiensi penggunaan memori oleh Matlab agar terhindar dari error. Pada penelitian ini fitur hasil dekomposisi dinormalkan ke dalam ukuran 0,1 0,9. III. 3. Tahap Pelatihan Setelah semua dataset untuk tiap level dan ordo dekomposisi disimpan, kesemua dataset tersebut dilatih dengan menggunakan jaringan syaraf tiruan pada matlab dan dibuatkan target kelasnya masingmasing. Kelas 1 untuk diagnosa paru-paru normal, kelas 2 untuk diagnosa efusi pleura, dan kelas 3 untuk diagnosa tuberkulosis paru. Jumlah hidden layer yang digunakan sebanyak 10 neurons, dengan memperhatikan confusion matrix dan MSE (Mean Squared Error). Algoritma yang digunakan ialah Scaled Conjugate Gradient Backpropagation (trainscg). Fungsi trainscg merupakan fungsi pelatihan jaringan yang memperbaharui nilai bobot dan bias berdasarkan metode scaled conjugate gradient.[4] Setelah semua dataset dilatih, akan diambil dataset dengan tingkat akurasi tertinggi. Dataset dengan tingkat akurasi tertinggi inilah yang digunakan pada sistem identifikasi. Tabel 3.1 menunjukkan tingkat akurasi tiap konfigurasi dataset berdasarkan Confusion Matrix jaringan. Tingkat akurasi yang error disebabkan oleh out of memory saat proses komputasi. Tabel 3.1 Tingkat Akurasi tiap Konfigurasi Dataset Konfigurasi Dekomposisi Tingkat No level db Akurasi (%) 1 db db db db db6 error 6 db7 error 7 db8 error 8 db9 error Page 3 of 8
4 No Konfigurasi Dekomposisi Tingkat level db Akurasi (%) 9 5 db10 error 10 db db db db db db db8 error 17 db9 error 18 db10 error 19 db db db db db db db db9 error 27 db10 error 28 db db db db db db db db db10 error 37 db db db db db db db db db10 error 46 db db db db db db db db db10 error III. 4. Tahap Pengujian Setelah didapatkan dataset dengan tingkat akurasi tertinggi, dataset ini dimasukkan dalam sistem identifikasi kemudian dilakukan tahap pengujian terhadap data uji. Gambar 3.2 menunjukkan alur sistem identifikasi. Gambar 3.2. Flowchart pengujian sistem IV. HASIL DAN ANALISIS SISTEM Tujuan dari analisis sistem adalah sebagai berikut: - Mengetahui pengaruh ordo dari wavelet daubechies dan level dekomposisi yang digunakan terhadap tingkat akurasi sistem. - Memperoleh parameter terbaik untuk ordo wavelet daubechies dan level dekomposisinya untuk mendapatkan tingkat akurasi yang terbaik/optimal. - Membandingkan analisis sistem berdasarkan level dekomposisi dan ordo terbaik dengan analisis secara medis Tahap pertama dari proses wavelet adalah dekomposisi wavelet. Wavelet yang digunakan adalah wavelet daubechies dan level dekomposisi wavelet yang digunakan untuk penelitian tingkat akurasi ialah level 5 10 serta ordo 2 10 (db2, db5,, db10). Pemilihan level dekomposisi dimulai dari level 6 karena citra yang digunakan berukuran 512 x 512 pixel, sehingga apabila level dekomposisi 1 5 digunakan akan mengakibatkan out of memory pada Matlab. Sementara untuk ordo Page 4 of 8
5 dimulai dari db2 hingga db 10, db1 tidak diambil sebab nilainya sama dengan wavelet haar. Setelah dekomposisi untuk tiap level dan ordo, koefisien aproksimasi tiap dekomposisi disimpan dan dinormalisasi menjadi dataset untuk menjadi input pelatihan pada proses jaringan syaraf tiruan. Tiap dataset kemudian di-training dengan pattern recognition tool pada Matlab. Sebelum dilakukan pengujian keakuratan sistem, dilakukan beberapa kali pelatihan jaringan hingga diperoleh performance yang paling dekat dengan target yang diinginkan dan yang dapat mengenali pola dengan baik. Dengan program berikut: Gambar 4.1 GUI untuk tahap pelatihan Penjelasan tiap panel - Load: memasukkan folder yang berisi data latih. - Jenis Diagnosa: memilih salah satu jenis diagnosa berdasarkan jenis diagnosa folder yang telah di-load - Input level: memilih level dekomposisi wavelet (level 1-10) - Input wavelet: memilih ordo wavelet (db2-db10) - Latih: memproses dekomposisi wavelet dan pelathan dengan jaringan - Save: menyimpan hasil pelatihan yang terdiri dari fitur dan target (kelas) Tahap selanjutnya yaitu pengujian sistem dengan menggunakan data latih dan data uji. Pengujian untuk data uji terbagi 2, data uji primer dan data uji sekunder. Tahap ini menggunakan GUI Identifikasi X-Ray seperti pada gambar 4.2. (a) (b) Gambar 4.2 GUI untuk identifikasi citra (a) sebelum identifikasi (b) setelah identifikasi Penjelasan tiap panel - Input Gambar: membuka window untuk memilih citra yang akan diinput - Scan: memulai proses identifikasi terhadap citra input - Dekomposisi: menampilkan hasil dekomposisi wavelet citra input - Reset: mengatur GUI kembali ke tampilan awal setelah melakukan identifikasi - Hasil Detetksi: menampilkan informasi hasil identifikasi oleh sistem Tabel dibawah menunjukkan tiap konfigurasi dataset yang tingkat akurasinya (berdasarkan Confusion Matrix) mencapai 100% serta jumlah fitur untuk masing-masing konfigurasi. Tabel 4.1 Konfigurasi Dataset tingkat akurasi 100% No Konfigurasi Tingkat level db Akurasi (%) 1 db db db db db db db db db db db db db db8 100 Dari tabel 4.1 dapat dilihat bahwa meskipun jumlah fitur untuk tiap konfigurasi berbeda-beda, namun persentasi yang didapatkan tetaplah sama. Selanjutnya, tiap konfigurasi dataset pada tabel 4.1 diuji dengan menggunakan dua jenis data uji, data uji primer dan data uji sekunder. Data uji primer merupakan data yang diambil dari rumah Page 5 of 8
6 sakit dan tidak dimasukkan sebagai data latih. Data uji primer sebanyak 15 data yang terdiri dari 9 citra paru-paru normal, 3 citra efusi pleura, dan 3 citra tuberkulosis paru. Tahap pengujian ini dilakukan menggunakan GUI Idetifikasi X-Ray. Tahap pengujian terhadap data uji dengan menggunakan konfigurasi dataset pada tabel 4.1 menghasilkan tingkat akurasi tertinggi pada dataset dekomposisi level 7 dan db6. Persentasi untuk tiap konfigurasi dataset dapat dilihat pada tabel 4.2. Tabel 4.2 Tingkat Akurasi Konfigurasi Dataset berdasarkan Confusion Matrix 100% Konfigurasi Jumlah Tingkat No Diagnosa Akurasi level ordo Benar (%) 1 5 db db db db db db db db db db db db db db Tingkat akurasi didapatkan dari persamaan berikut: Tabel 4.3 merupakan perbandingan diagnosa antara diagnosa dokter dengan diagnosa oleh sistem: Tabel 4.3 Pengujian terhadap data uji untuk level 7 db6 No. Diagnosa Dokter Diagnosa Program 1 Paru-Paru Normal 2 Paru-Paru Normal 3 Paru-Paru Normal 4 Paru-Paru Normal 5 Paru-Paru Normal Paru-Paru Normal 6 Paru-Paru Normal 7 Paru-Paru Normal 8 Paru-Paru Normal 9 Paru-Paru Normal 10 Efusi Pleura 11 Efusi Pleura Efusi Pleura 12 Efusi Pleura No. Diagnosa Dokter Diagnosa Program 13 Tuberkulosis Paru 14 Tuberkulosis Paru Efusi Pleura 15 Tuberkulosis Paru Pada tabel 4.3, total diagnosa benar yang diidentifikasi oleh sistem sebanyak 14 citra dari 15 citra yang diujikan. Sehingga didapatkan tingkat akurasi sistem terhadap data uji primer: Tahap Pengujian juga dilakukan terhadap data uji sekunder. data uji sekunder merupakan foto thorax yang diambil dari internet. Tabel 4.4 menunjukkan hasil pengujian sistem terhadap data uji sekunder. Tabel 4.4 Pengujian Sistem menggunakan Data Uji Sekunder No Diagnosa Dokter Diagnosa Sistem 1 Normal Normal 2 Normal Normal 3 Normal Normal 4 Normal Normal 5 Normal Normal 6 Normal Normal 7 Normal Normal 8 Normal Normal 9 Normal Normal 10 Normal Normal 11 Efusi Efusi 12 Efusi Efusi 13 Efusi Efusi 14 Efusi Normal 15 Efusi Efusi 16 TB TB 17 TB Normal 18 TB TB 19 TB TB 20 TB TB Pada tabel 4.4, total diagnosa benar sebanyak 18 dari 20 citra. Sehingga didapatkan tingkat akurasi sistem terhadap data uji sekunder: Page 6 of 8
7 Sehingga didapatkan tingkat akurasi sistem berdasarkan kedua jenis data uji yaitu Perbandingan analisis sistem berdasarkan level dekomposisi dan ordo terbaik (level 7, db6) dengan analisis diagnosa penyakit secara medis dapat dilihat pada tabel 4.5. Tabel 4.5 Analisis perbandingan level 7 - db6 terhadap diagnosa secara medis No. Nilai Rata-Rata Fitur Diagnosa Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi Efusi TB TB TB TB TB TB TB TB Efusi Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal No. Nilai Rata-Rata Fitur Diagnosa Normal Normal Normal Normal Normal Normal Normal TB Normal Normal Normal Normal Normal Normal Normal Normal Normal TB Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal Normal TB TB Normal Iterasi 46 Confusion Matrix 100% MSE Nilai rata-rata fitur citra pada tabel 4.5 merupakan hasil normalisasi yang telah diurutkan dari nilai terkecil ke nilai terbesar. Apabila direpresentasikan berdasarkan nilai rata-rata yang telah dinormalisasi yang berkisar diantara range , maka nilai untuk citra paru normal > tb paru dan nilai untuk citra tb paru > efusi pleura. Gambar 4.3 menunjukkan confusion matrix untuk dekomposisi level 7 db6. Dapat dilihat confusion matrix untuk tahap pelatihan (training), validasi (validation), pengujian (test), dan all confusion matrix mencapai 100%. Gambar 4.4 menampilkan training performance untuk dekomposisi level 7 db6, dapat dilihat pada gambar iterasi berakhir dengan 46 epochs dan mean squared error Page 7 of 8
8 DAFTAR PUSTAKA Gambar 4.3 Plot confusion untuk dekomposisi level 7 db6 Gambar 4.2 Plot performance untuk dekomposisi level 7 db6 [1.] RADIOLOGI/FOTO THORAX. Laboratorium Klinik Prodia. (Diakses pada 29 Maret 2013) [2.] Tuberkulosis Paru dengan Efusi Pleura. s-paru-dengan-efusi-pleura.html (Diakses pada 29 September 2014) [3.] Arie Yulianto, dr Tuberkulosis Paru: Penyebab Kematian Ke-2 Di Indonesia. Kesehatan Umum. sis-paru-penyebab-kematian-ke-2-di-indonesia (Diakses pada 29 September 2014) [4.] Matlab Help. Neural Network Toolbox. Function Approximation and Nonlinear Regression. Fungsi trainscg [5.] Dwi Pratiwi, Meyriam Aplikasi Perbaikan Kualitas Citra X-Ray Organ Tubuh Manusia menggunakan Teknik Perataan Histogram. Depok: Universitas Gunadarma [6.] Ommy, Ronald Pengenalan Identitas Manusia melalui Pola Iris Mata menggunakan Transformasi Wavelet dan Mahalanobis Distance. Bandung: Institut Teknologi Telkom [7.] Kurnia Putra, Dane. Identifikasi Keberadaan Kanker pada Citra Mammografi menggunakan Metode Wavelet Haar. Semarang: Universitas Diponegoro V. KESIMPULAN Berdasarkan hasil dan analisis sistem maka dapat diambil kesimpulan sebagai berikut: - Tingkat akurasi dari identifikasi abnormalitas paru-paru pada foto thorax untuk 75 citra data latih mencapai 100%, sedangkan untuk citra data uji mencapai 91.65%. - Penggunaan ordo dan level dekomposisi yang berbeda pada metode wavelet daubechies untuk membangun sistem identifikasi penyakit pada foto thorax dapat mempengaruhi tingkat akurasi sistem. - Analisis sistem menunjukkan konfigurasi dataset terbaik pada dekomposisi level 7 dan db6. - Transformasi wavelet dan jaringan syaraf tiruan dapat digunakan dengan cukup baik sebagai metode ekstraksi fitur citra dan sebagai pengenalan pola dalam mengidentifikasi penyakit pada foto thorax. Page 8 of 8
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciBAB 1 PENDAHULUAN Latar belakang masalah
BAB 1 PENDAHULUAN 1.1. Latar belakang masalah Saluran pernapasan pada manusia terdiri dari rongga hidung, faring, laring, trakea, percabangan bronkus dan paru-paru (bronkiolus, alveolus). Paru-paru merupakan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciMahasiswa: Muhimmatul Khoiro Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si.
Mahasiswa: Muhimmatul Khoiro 1110100049 Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si. Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2014 Diagnosa
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis merupakan penyakit yang disebabkan oleh infeksi mycobacterium tuberculosis complex (bakteri berbentuk basil lurus, sedikit melengkung, tidak berspora dan
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciJURNAL ANALISA PENGENALAN CITRA WAJAH MENGGUNAKAN BENTUK HIDUNG DENGAN METODE MINKOWSKI DISTANCE
JURNAL ANALISA PENGENALAN CITRA WAJAH MENGGUNAKAN BENTUK HIDUNG DENGAN METODE MINKOWSKI DISTANCE Analysis of the facial image pattern recognition using the shape of the nose with the method minkowski distance
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciMetode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter
Lebih terperinciBAB I PENDAHULUAN. terkontrol pada jaringan paru. Munculnya kanker ditandai dengan
BAB I PENDAHULUAN A. Latar Belakang Kanker paru adalah penyakit pertumbuhan jaringan yang tidak dapat terkontrol pada jaringan paru. Munculnya kanker ditandai dengan pertumbuhan sel yang tidak normal,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION [1] Novi Indah Pradasari, [2] F.Trias Pontia W, [3] Dedi Triyanto [1][3] Jurusan Sistem Komputer,
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only. BAB I PENDAHULUAN
1 BAB I PENDAHULUAN I.1 Latar Belakang Perkembangan teknologi khususnya komputer beberapa tahun terakhir ini sangat pesat. Pesatnya perkembangan juga dirasakan di berbagai disiplin ilmu termasuk kedokteran.
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciANALISA METODE RADIAL BASIS FUNCTION JARINGAN SARAF TIRUAN UNTUK PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA
PRO S ID IN G 20 1 2 HASIL PENELITIAN FAKULTAS TEKNIK ANALISA METODE RADIAL BASIS FUNCTION JARINGAN SARAF TIRUAN UNTUK PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA Zulkifli
Lebih terperinciBAB I PENDAHULUAN. atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit
Lebih terperinciGambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama
BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciSegmentasi Bagian Paru-Paru di Citra 2D CT-Scan
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Segmentasi Bagian Paru-Paru di Citra 2D CT-Scan Naser Jawas STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail: naser.jawas@stikom-bali.ac.id
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Berikut adalah alur metodologi penelitian yang akan digunakan dalam menyelesaikan penelitian tugas akhir ini : 3.2 Pengumpulan Data Gambar 3.1
Lebih terperinciPengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)
Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciKlasifikasi Citra Paru-Paru dengan Ekstraksi Fitur Histogram dan Jaringan Syaraf Tiruan Backpropagation
Klasifikasi Citra Paru-Paru dengan Ekstraksi Fitur Histogram dan Jaringan Syaraf Tiruan Backpropagation Hasan Bisri (1108 100 703) Page 1 Pendahuluan Latar Belakang: Pengolahan citra digital dapat digunakan
Lebih terperinciAnalisa Metode Radial Basis Function Jaringan Saraf Tiruan untuk Penentuan Morfologi Sel Darah Merah (Eritrosit) Berbasis Pengolahan Citra
Analisa Metode Radial Basis Function Jaringan Saraf Tiruan untuk Penentuan Morfologi Sel Darah Merah (Eritrosit) Berbasis Pengolahan Citra Zulkifli Tahir, Elly Warni, Indrabayu, Ansar Suyuti Laboratorium
Lebih terperinciPENGENALAN IDENTITAS MANUSIA MELALUI POLA IRIS MATA MENGGUNAKAN TRANSFORMASI WAVELET DAN MAHALANOBIS DISTANCE
PENGENALAN IDENTITAS MANUSIA MELALUI POLA IRIS MATA MENGGUNAKAN TRANSFORMASI WAVELET DAN MAHALANOBIS DISTANCE Ronald Ommy Y 1), Achmad Rizal, ST., MT 2), M. Ary Murti, ST., MT 3) Departemen Teknik Telekomunikasi,
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBulu mata. Generalisasi= Jumlah pola dikenali dengan benar x 100% Jumlah total pola
Generalisasi Hasil penelitian ini diukur menggunakan nilai konvergen dan generalisasi. Nilai konvergen adalah tingkat kecepatan jaringan untuk mempelajari pola input yang dinyatakan dalam satuan iterasi
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk
Lebih terperinciBlind Steganalysis pada Citra Digital dengan Metode Jaringan Saraf Tiruan
Blind Steganalysis pada Citra Digital dengan Metode Jaringan Saraf Tiruan Cilvia Sianora Putri Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciAPLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI
APLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI Arie Firmansyah Permana ), Achmad Hidayatno ), R. Rizal Isnanto ) Jurusan Teknik Elektro, Fakultas
Lebih terperinciPOSITRON, Vol. III, No. 2 (2013), Hal ISSN :
Analisis Fraktal Citra Mammogram Berbasis Tekstur Sebagai Pendukung Diagnosis Kanker Payudara Muspika Helja 1), Nurhasanah 1), Joko Sampurno 1) 1) Program Studi Fisika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciDETEKSI PENYAKIT KULIT MENGUNAKAN FILTER 2D GABOR WAVELET DAN JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION
1.1 Latar Belakang BAB I PENDAHULUAN Kulit merupakan pelindung tubuh kita pertama kali dari benda asing yang masuk ke dalam tubuh. Kulit terdiri dari lapisan epidermis berupa lapisan kulit mati dan dermis
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Diagnosis kanker dapat dilakukan berdasarkan struktur morfologisnya, namun hal tersebut mengalami kesulitan karena perbedaan struktur morfologis yang sangat tipis
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker merupakan proses penyakit yang terjadi karena sel abnormal mengalami mutasi genetik dari DNA seluler. Sel abnormal membentuk klon dan berproliferasi secara abnormal
Lebih terperinciPengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri
Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa Sistem Analisa sistem merupakan langkah awal yang dilakukan sebelum tahap implementasi. Analisa sistem pada penelitian ini meliputi: PENGUMPULAN DATA
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB I PENDAHULUAN. darah tinggi, stroke, sakit di dada (angina) dan penyakit jantung rematik.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Penyakit jantung adalah penyakit yang mengganggu sistem pembuluh darah atau lebih tepatnya menyerang jantung dan urat-urat darah, beberapa contoh penyakit
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciBAB 3 PEMBAHASAN. pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun 1986 mendirikan
BAB 3 PEMBAHASAN 3.1 Rumah Sakit Pondok Indah 3.1.1 Latar Belakang Guna memenuhi kebutuhan masyarakat akan adanya rumah sakit swasta dengan pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciPERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN
PERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN Teguh Triantoro, F. Rizal Batubara, Fahmi Konsentrasi Teknik Komputer, Departemen Teknik Elektro Fakultas Teknik
Lebih terperinciImplementasi Deteksi Tepi Canny pada Citra Mammografi
JURNAL APLIKASI FISIKA VOLUME 11 NOMOR 1 FEBRUARI 2015 Implementasi Deteksi Tepi Canny pada Citra Mammografi Nurhasanah 1, *) dan Okto Ivansyah 2 1 Jurusan Fisika, FMIPA Universitas Tanjungpura, Indonesia
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciMohammad Akram Ardi 1, Angga Rusdinar 2, Nur Andini 3
DETEKSI PERUBAHAN GARIS PANTAI MENGGUNAKAN METODE WAVELET NEURAL NETWORK BACKPROPAGATION DETECTION OF SHORELINE CHANGE USING WAVELET NEURAL NETWORK BACKPROPAGATION METHOD Mohammad Akram Ardi 1, Angga Rusdinar
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciBAB III METODE PENELITIAN. sekunder berupa citra Magnetic Resonansi Image (MRI) yang diperoleh dari
BAB III METODE PENELITIAN Metode penelitian yang dilakukan pada penelitian ini adalah teknik pengumpulan data dan teknik analisis data. A. Teknik Pengumpulan Data Data yang digunakan pada penelitian ini
Lebih terperinciSegmentasi Region Growing Untuk Deteksi Nodul Sebagai Indikasi Kanker Paru
Segmentasi Region Growing Untuk Deteksi Nodul Sebagai Indikasi Kanker Paru Rodiah 1, Ferhat Nuh Riza 2 1,2 Universitas Gunadarma, Jl.Margonda Raya 100 Pondok Cina Depok 1 rodiah@staff.gunadarma.com 2 bluespreak@gmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker adalah suatu penyakit dimana terjadi pertumbuhan berlebihan atau perkembangan tidak terkontrol dari sel-sel jaringan pada bagian tubuh tertentu. Kanker payudara
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciKLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN Oleh : Dian Aniswari 2010-51-177 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH
Lebih terperinciPREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciBAB III METODOLOGI PENELITIAN. Pelaksanaan penelitian ini, memerlukan banyak hal yang harus
BAB III METODOLOGI PENELITIAN III.1 Diagram Alur (Flowchart) Pelaksanaan penelitian ini, memerlukan banyak hal yang harus diperhatikan sebagai persiapan dalam melakukan penelitian. Tujuannya agar memperkecil
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciSISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
SISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Pradityo Utomo Program Studi D3 Manajemen Informatika Universitas Merdeka Madiun pradityou@gmail.com ABSTRACT Information
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciPENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE
PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE Radian Rizki Triadhi NRP : 1222033 E-mail : radianrizkitriadhi@ymail.com ABSTRAK Pengenalan tulisan tangan
Lebih terperinciBAB 4 ANALISA DAN BAHASAN
BAB 4 ANALISA DAN BAHASAN 4.1 Spesifikasi Sistem Sistem pengenalan objek 3 dimensi terbagi atas perangkat keras dan perangkat lunak. Spesifikasi sistem baik perangkat keras maupun lunak pada proses perancangan
Lebih terperinciBAB III PEMBAHASAN. arsitektur, prosedur, dan hasil model Radial Basis Function Neural Network untuk
BAB III PEMBAHASAN Bab III merupakan pembahasan yang meliputi proses penelitian yaitu arsitektur, prosedur, dan hasil model Radial Basis Function Neural Network untuk klasifikasi stadium kanker payudara,
Lebih terperinciIdentifikasi Jenis Buah Jeruk Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Jenis Buah Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit Reni Resita *1, Juratminingsih *2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinci