IBNU RAHMAT SIDDIK (2023) SISTEM KLASIFIKASI KELAINAN TULANG BELAKANG BERDASARKAN METODE HU AND ZERNIKE MOMENT INVARIANT DAN MACHINE LEARNING. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (707kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (204kB)
Abstrak.pdf
Restricted to Registered users only
Download (43kB)
Bab I.pdf
Download (115kB)
Bab II.pdf
Restricted to Registered users only
Download (459kB)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
Bab IV.pdf
Restricted to Registered users only
Download (9MB)
Bab V.pdf
Restricted to Registered users only
Download (17kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (91kB)
Lampiran.pdf
Restricted to Registered users only
Download (7kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (598kB)
Full Text.pdf
Restricted to Repository staff only
Download (12MB)
Abstract
Kelainan Tulang Belakang adalah jenis penyakit umum yang mempengaruhi tulang belakang. Tenaga medis sering menggunakan sinar teknologi sinar-X untuk mengidentifikasi berbagai kelainan pada tubuh manusia yang tidak terlihat oleh mata telanjang, seperti kelainan tulang belakang. Dengan menggunakan pendekatan Hu dan Zernike Moment Invariant dan Machine Learning, akan dibangun sebuah sistem yang dapat melakukan ekstraksi fitur dan klasifikasi kelainan tulang belakang dalam penelitian ini. Hu Moment Invariant adalah pendekatan ekstraksi fitur yang digunakan untuk membuat tujuh momen (fitur) yang menggambarkan suatu objek, sedangkan Zernike Moment Invariant adalah cara alternatif untuk melakukan ekstraksi Hu Moment yang menggunakan geometri dan momen kompleks untuk menghindari masalah matematika. Support Vector Machine (SVM) mencari hyperplane terbaik yang memisahkan dua kelas di ruang input; K-Nearest Neighbor (KNN) mengklasifikasikan data berdasarkan perbandingan nilai jarak tetangga terdekatnya; dan Decision Tree (DT) adalah salah satu metode pengolahan data dalam memprediksi masa depan dengan membangun model klasifikasi atau regresi dalam bentuk struktur pohon. Dengan memilih teknik ekstraksi dan klasifikasi ini, sistem dapat mengklasifikasikan keluaran yaitu tulang belakang abnormal dan normal, dengan memasukkan hingga 220 foto dengan pembagian komposisi pada Kelas 1 yaitu 120 citra abnormal dan 100 citra normal. Dengan menggunakan model klasifikasi DT Fine dari hasil ekstraksi Hu Moment, sistem ini dapat mengkategorikan data penelitian dengan akurasi (terbaik) 89,9
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Spinal disorders, Hu and Zernike Moment Invariant, Machine Learning |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | M. Erdiansyah |
Date Deposited: | 24 Oct 2023 03:42 |
Last Modified: | 24 Oct 2023 03:42 |
URI: | https://etd.umy.ac.id/id/eprint/37200 |