BINTANG ALVIN ARDYANSYAH (2024) SISTEM KLASIFIKASI SCOLIOSIS BERDASARKAN CITRA MEDIS MENGGUNAKAN METODE GABOR FILTERDENGAN NEURAL NETWORK. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (4MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (9MB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (57kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (289kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (494kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (697kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (7MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (194kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (201kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (749kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (22MB)

Abstract

Salah satu jenis kelainan yang sering ditemukan pada tulang belakang adalah skoliosis, yang ditandai dengan kelengkungan tulang belakang ke kiri atau ke kanan. Skoliosis dapat disebabkan oleh berbagai faktor seperti posisi tidur atau duduk yang tidak tepat, kekurangan konsumsi kalsium, faktor usia, dan faktor genetik atau keturunan. Penyebab skoliosis bervariasi dan dapat diklasifikasikan sebagai bawaan, neuromuskular, terkait sindrom, idiopatik, dan kelengkungan tulang belakang karena alasan sekunder. Penelitian ini bertujuan untuk membantu tenaga medis dalam mendiagnosa skoliosis dan kelainan tulang belakang lainnya. Metode yang digunakan adalah sistem klasifikasi penyakit skoliosis menggunakan metode ekstraksi Gabor filter, dengan klasifikasi Neural Network untuk membedakan antara dua kelas, yaitu normal dan abnormal (skoliosis). Sistem klasifikasi ini menggunakan 3 model terbaik untuk setiap metode. Hasil akurasi training terbaik dalam penelitian pendeteksian Skoliosis pada citra tulang belakang menggunakan ekstraksi fitur Gabor filter Bank 1 (1, 7, 10, 10) dan metode klasifikasi Neural Network menunjukkan bahwa model Gradient Descent with Momentum and Adaptive Learning Rate (GDX) mencapai akurasi tertinggi. Pada hidden neuron 5 dan 15, nilai training mencapai 100%, sementara pada hidden neuron 5 dan 10, nilai testing mencapai 100%. Hasil akurasi training rata-rata yang rendah ditemukan dalam penelitian pendeteksian ini menggunakan ekstraksi fitur Gabor filter Bank 2 (2, 3, 10, 10) dengan model klasifikasi Neural Network One-step Secant Backpropagation (OSS). Hasil testing menunjukkan akurasi sebesar 88.5%, sementara pada training, akurasi mencapai 87.4%.

Dosen Pembimbing: Anna Nur Nazilah Chamim, ST., M.Eng. and Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN0006087601, NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: Skoliosis, Gabor Filter, Multi-Layer Perceptron (MLP)
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Yuliana Ramawati
Date Deposited: 11 Jun 2024 06:45
Last Modified: 11 Jun 2024 06:45
URI: https://etd.umy.ac.id/id/eprint/45269

Actions (login required)

View Item View Item