MUHAMAD ALI HANAFI (2024) SISTEM KLASIFIKASI CITRA LENKE SCOLIOSIS DENGAN METODE MOMENT INVARIANT DAN DECISION TREE. S1 thesis, Universitas Muhammadiyah Yogyakarta.

	Text (Halaman Judul) Halaman Judul.pdf Download (573kB)
	Text (Lembar Pengesahan) Lembar Pengesahan.pdf Restricted to Registered users only Download (217kB)
	Text (Abstrak) Abstrak.pdf Restricted to Registered users only Download (9kB)
	Text (Bab I) Bab I.pdf Download (123kB)
	Text (Bab II) Bab II.pdf Restricted to Registered users only Download (533kB)
	Text (Bab III) Bab III.pdf Restricted to Registered users only Download (1MB)
	Text (Bab IV) Bab IV.pdf Restricted to Registered users only Download (2MB)
	Text (Bab V) Bab V.pdf Restricted to Registered users only Download (10kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Restricted to Registered users only Download (87kB)
	Text (Lampiran) Lampiran.pdf Restricted to Registered users only Download (67kB)
	Text (Naskah Publikasi) Naskah Publikasi.pdf Restricted to Registered users only Download (355kB)
	Text (Full Text) Full Text.pdf Restricted to Repository staff only Download (4MB)

Abstract

Studi ini bertujuan untuk membuat sistem klasifikasi yang dapat menentukan jenis skoliosis tulang belakang normal atau kelas Lenke. Sistem ini akan menggunakan fitur ekstraksi gambar Hu Moment dan Zernike Moment, serta algoritma klasifikasi Decision Tree dengan model Fine, Medium, dan Coarse. Skoliosis adalah kelainan tulang belakang yang sering ditemukan pada remaja, dan klasifikasi Lenke adalah sistem yang umum digunakan untuk mengkategorikan jenis kelainan tulang belakang. Metode Hu Moment dan Zernike Moment digunakan untuk mengekstraksi aspek penting dari gambar tulang belakang. Kemudian, penelitian ini melakukan klasifikasi menggunakan Decision Tree berdasarkan fitur yang diekstraksi dengan dua model terbaik pada setiap metode, menggunakan gambar tulang belakang normal dan kelas Lenke. Hasilnya menunjukkan bahwa metode terbaik untuk klasifikasi adalah menggunakan Hu Moment pada Fine DT dan Medium DT pada mencatatkan akurasi tertinggi sebesar 96,0%, dan akurasi akurasi pada Testing sebesar 98,1% pada setiap model.

Dosen Pembimbing:	Anna Nur Nazilah Chamim, ST., M.Eng. | NIDN0006087601
Item Type:	Thesis (S1)
Uncontrolled Keywords:	Scoliosis, Hu and Zernike Moment, Decision Tree
Divisions:	Fakultas Teknik > S1 Teknik Elektro
Depositing User:	Aidilla Qurotianti
Date Deposited:	23 Oct 2024 06:26
Last Modified:	23 Oct 2024 06:26
URI:	https://etd.umy.ac.id/id/eprint/48355

Actions (login required)

View Item