NASWA ALIYAH KIRANA (2024) SISTEM KLASIFIKASI KANKER SERVIKS MENGGUNAKAN ALGORITMA HAAR WAVELET DAN HISTOGRAM OF GRADIENTS BERBASIS NEURAL NETWORK INVARIANT. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (836kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (373kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (337kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (459kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (939kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (2MB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (23MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (404kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (285kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (8MB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (433kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (31MB)

Abstract

Pendeteksi kanker serviks menggunakan klasifikasi Multi Layer Perceptron adalah permasalahan yang harus diselesaikan dalam membuat sebuah sistem klasifikasi kanker serviks yang efisien dan akurat. Tujuan penelitian ini adalah membangun sistem klasifikasi citra kanker serviks dengan metode transformasi Haar Wavelet dan Histogram Of Gradients (HOG) untuk ektraksi fitur dan Neural Network Invariant untuk sistem klasifikasinya. Adapun metode yang digunakan dalam penelitian ini adalah Haar Wavelet dan Histogram Of Gradients (HOG) dengan proses klasifikasinya menggunakan Multi Layer Perceptron. Data citra yang digunakan sebanyak 1.311 citra asli dan setelah dilakukan augmentasi menjadi 5.244 citra. Dari klasifikasi MLP kemudian dibagi kembali menjadi 3 model yaitu Gradient Descent with Momentum, Scaled Conjugate Gradient, dan One Step Secan. Dalam pengujian data dilakukan melalui tahap preprocessing citra dan ekstraksi fitur. Hasil dari penelitian ini menghasilkan yaitu pada model Gradient Descent with Momentum (GDM) yang memilki nilai NaN% paling banyak pada Validation, kemudian pada model One Step Secan (OSS) dengan Hidden Neuron 1 merupakan hasil terbaik saat training dengan nilai rata rata 100%, serta model Scaled Conjugate Gradien(SCG) Hidden Neuron 1 merupakan hasil training terendah dengan nilai rata rata sebesar 62.2%. Sehingga penilitian ini berkontribusi dalam bidang diagnosa penyakit khususnya pada penyakit kanker serviks.

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: ervical Cancers, Haar Wavelet, Histogram of Oriented Gradient (HOG), Multi Layer Perceptron (MLP), Neural Network
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: M. Erdiansyah
Date Deposited: 31 Jan 2024 09:37
Last Modified: 31 Jan 2024 09:37
URI: https://etd.umy.ac.id/id/eprint/44133

Actions (login required)

View Item View Item