Rizky Nurhidayat (2020) SISTEM DETEKSI KELAINAN SEL PROSTAT DENGAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN HU MOMENT INVARIANT SERTA SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (384kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (749kB)
Abstrak.pdf
Restricted to Registered users only
Download (9kB)
Bab I.pdf
Download (16kB)
Bab II.pdf
Restricted to Registered users only
Download (254kB)
Bab III.pdf
Restricted to Registered users only
Download (302kB)
Bab IV.pdf
Restricted to Registered users only
Download (889kB)
Bab V.pdf
Restricted to Registered users only
Download (7kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (71kB)
Lampiran.pdf
Restricted to Registered users only
Download (2MB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (1MB)
Full Text.pdf
Restricted to Repository staff only
Download (5MB)
Abstract
Prostat adalah suatu kalenjar yang merupakan salah satu bagian penting dari
sistem reproduksi pria. Prostat berfungsi melindungi dan menjaga kesuburan sperma,
dalam menjalankan fungsi prostat sering kali mengalami kelainan. Penelitian ini
bertujuan untuk merancang sistem deteksi kelainan sel prostat menggunakan metode
ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) dan Hu Moment Invariant.
Menggunakan fitur-fitur hasil ekstraksi tersebut akan dimasukan ke dalam sistem
klasifikasi dengan menggunakan metode klasifikasi Support Vector Machine untuk
mengklasifikasikan sel prostat normal dan abnormal. Sel prostat yang digunakan yaitu
sebanyak 275, dengan 50 sel prostat normal dan 225 sel prostat abnormal. Sistem yang
telah dirancang kemudian akan dilakukan pengujian untuk melakukan proses
klasifikasi. Setelah berhasil melakukan proses klasfikasi selanjutnya akan dilakukan
analisis data terhadap hasil klasifikasinya. Analisis yang digunakan yaitu analisis
kuantitatif dengan mengukur akurasi pada hasil yang didapat. Pada sistem ini berhasil
mengklasifikasikan kelainan sel prostat dengan akurasi tertinggi yaitu 95%.
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 13 Oct 2021 03:44 |
Last Modified: | 27 Oct 2021 02:43 |
URI: | https://etd.umy.ac.id/id/eprint/934 |