KLASIFIKASI HASIL CITRA MRI OTAK UNTUK MEMPREDIKSI JENIS TUMOR OTAK DENGAN METODE IMAGE THRESHOLD DAN GLCM MENGGUNAKAN ALGORITMA K-NN (NEAREST NEIGHBOR) CLASSIFIER BERBASIS WEB
DOI:
https://doi.org/10.32897/infotronik.2019.4.2.258Keywords:
Citra MRI, Image Threshold, GLCM, KNN, AkurasiAbstract
Tumor otak adalah salah satu penyakit yang paling mematikan yang menyerang manusia, tidak sedikit pria atau wanita di usia 20-30 yang mengidap penyakit ini. Untuk mendeteksi tumor otak pada seseorang, dokter menggunakan mesin MRI, karena hasil citra MRI terbukti memberikan hasil citra yang lebih baik dibandingkan dengan citra CT-Scan, namun terkadang hasil citra MRI sulit untuk dibedakan antara citra MRI otak tersebut memang mengidap tumor atau tidak, dikarenakan kontras yang dihasilkan seperti organ normal lainnya. Dengan metode Treshold, suatu citra dapat dipisahkan dengan objek lainnya dan metode GLCM digunakan untuk mengekstraksi ciri yang terkandung dalam citra tersebut. Lalu Metode KNN digunakan untuk klasifikasi hasil ciri suatu citra, dengan menggunakan K = 3. Pada penelitian ini digunakan Data Training sebanyak 20 data dan Data Testing sebanyak 10 data, maka dihasilkan akurasi sebesar 83.33%, untuk MSE dan MAE masing-masing sebesar 16.6%.References
Ayu Ambarwati, Rossi Passarella dan Sutarno. “Segmentasi Citra Digital Menggunakan Thresholding Otsu untuk Analisa Perbandingan Deteksi Tepi”. 2016 [online]. Available: http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/855. [accessed 27 Februari 2019].
Marita Vinny, Nurhasanah dan Iklas Sanubary. “Identifikasi Tumor Otak Menggunakan Jaringan Syaraf Tiruan Propagasi Balik pada Citra CT-Scan Otak”. 2014 [online]. Available: http://jurnal.untan.ac.id/index.php/jpfu/article/view/22451/17839. [accessed 05 Ferbruari 2019].
Muhammad Rivki dan Adam Mukharil Bachtiar. “Implementasi Algoritma K-Nearest Neighbor dalam Pengklasifikasian Follower Twitter yang Menggunakan Bahasa Indonesia”. 2017 [online]. Available: https://jsi.cs.ui.ac.id/index.php/jsi/article/view/500/342. [accessed 16 Juli 2019].
Pauline John. “Brain Tumor Classification Using Wavelet and Texture Based Neural Network”. 2012 [online]. Available: https://www.ijser.org/researchpaper/Brain-Tumor-Classification-Using-Wavelet-and-Texture-Based-Neural-Network.pdf. [accessed 23 Februari 2019].
Restu Widodo, Agus Wahyu Widodo dan Arry Supriyanto. “Pemanfaatan Ciri Gray Level Co-Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) untuk Klasifikasi Mutu”. 2018 [online]. Available: http://j-ptiik.ub.ac.id/index.php/jptiik/arti cle /download/3420/1336/. [accessed 06 Februari 2019].
Rezky Rizaldi, Arik Kurniawati dan Cucun Very Angkoso. “Implementasi Metode Euclidean Distance untuk Rekomendasi Ukuran Pakaian Pada Aplikasi Ruang Ganti Virtual”. 2018 [online]. Available: http://jtiik.ub.ac.id/index.php/jtiik/article/view/592/pdf. [accessed 07 Agustus 2019].
Rituja Mandhare, Jaya Nawale , Prabhanjan Kulkarni , Affan Ansari dan Smita Kakade “Brain Tumor Segmentation Using K-Means Clustering and Fuzzy C-Means Algorithms and Its Area Calculation and Disease Prediction Using Naive-Bayes Algorithm ” 2018 [online]. Available: http://www.ijirset.com/upload/2018/june/20_Brain_IEEE.pdf [accessed 05 Februari 2019].
Sri Heranurweni,Budiani Desty ningtias dan Andi Kurniawan Nugroho “Klasifikasi Pola Image Pada Pasien Tumor Otak Berbasis Jaringan Syaraf Tiruan (Studi Kasus Penanganan Kuratif Pasien Tumor Otak)”. 2018 [online]. Available : http://journals.usm.ac.id/index.php/elektrika/article/view/ 1169/766 [accessed 16 Februari 2019]
Widya Astuti Lastri dan Handayani T. “Klasifikasi MRI Otak Menggunakan Jaringan Syaraf Tiruan Berdasarkan Data Wavelet yang direduksi dengan NCMF”. 2012 [online]. Available: http://jurnal.upnyk.ac.id/index.php/semnasif /article/view/1056. [accessed 16 februari 2019].
Y-D. Zhang dan L.Wu “An MR Brain Images Classifier Via Principal Component Analysis And Kernel Support Vector Machine”. 2012 [online] Available: http://www.jpier.org/PIER/pier.php?paper=12061410. [accessed 20 Februari 2019].
Downloads
Published
Issue
Section
License
Copyright Notice
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
