Brilian Permata Sari (2021) SISTEM KLASIFIKASI BERBASISKAN TEKNIK PENGOLAHAN CITRA DAN SUPPORT VECTOR MACHINE (SVM) UNTUK CITRA SEL SERVIK. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (515kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (788kB)
Abstrak.pdf
Restricted to Registered users only
Download (11kB)
Bab I.pdf
Download (442kB)
Bab II.pdf
Restricted to Registered users only
Download (290kB)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
Bab IV.pdf
Restricted to Registered users only
Download (5MB)
Bab V.pdf
Restricted to Registered users only
Download (8kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (101kB)
Lampiran.pdf
Restricted to Registered users only
Download (6MB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (369kB)
Full Text.pdf
Restricted to Repository staff only
Download (13MB)
Abstract
<p>Kanker mulut rahim atau kanker servik merupakan salah satu penyakit kesehatan reproduksi wanita yang masih menjadi masalah besar di dunia sehubungan dengan jumlah kasus baru dan jumlah kematiannya yang tinggi khususnya perempuan di negara berkembang. Kanker servik dapat dicegah dengan cara deteksi dini. Di negara maju, pendeteksian dini kanker servik dilakukan dengan metode <em>skrinning pap smear. </em>Namun kurang efektif jika diterapkan di negara berkembang karena keterbatasan sumber daya manusia, memerlukan waktu yang lama, biaya yang cukup mahal dan infrastruktur yang kurang baik. Penelitian ini menawarkan suatu sistem klasifikasi citra sel servik menggunakan teknik pengolahan citra dengan kombinasi ekstraksi fitur metode <em>hu moment </em>dan GLCM, serta metode klasifikasi <em>support vector machine </em>(SVM) dengan 3 jenis citra sel servik yaitu Normal, LSIL(<em>Low grade Squamous Intraephitel Lesion), </em>HSIL(<em>High grade Squamous Intraepithel Lesion</em>)<em>.</em> Sistem klasifikasi menggunakan 3 model SVM yaitu <em>cubic</em> SVM, <em>quadratic</em> SVM dan <em>fine gaussian</em> SVM dengan kelas HSIL sebagai data positif serta LSIL dan Normal sebagai data negatif. Nilai akurasi hasil klasifikasi SVM dengan ekstraksi fitur metode hue moment 71,9% selama 0,98705s, metode GLCM 97,5% selama 3,5386s, metode gabungan antara Hue moment dan GLCM 95,5% selama 2,9847s.</p>
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 21 Sep 2021 02:37 |
Last Modified: | 21 Sep 2021 02:37 |
URI: | https://etd.umy.ac.id/id/eprint/3055 |