Segmentasi citra medis pada luka luar menggunakan metode active contour dan support vector machine

Mawarni, Syifa'ah Setya (2024) Segmentasi citra medis pada luka luar menggunakan metode active contour dan support vector machine. S2 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T2_2207048005_JUDUL__240130013320.pdf Download (2MB)
	Text (BAB I) T2_2207048005_BAB_I__240210025820.pdf Download (1MB)
	Text (BAB II) T2_2207048005_BAB_II__240210025820.pdf Restricted to Registered users only Download (7MB) | Request a copy
	Text (BAB III) T2_2207048005_BAB_III__240210025820.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) T2_2207048005_BAB_IV__240210025820.pdf Restricted to Registered users only Download (5MB) | Request a copy
	Text (BAB V) T2_2207048005_BAB_V__240210025820.pdf Restricted to Registered users only Download (276kB) | Request a copy
	Text (Daftar Pustaka) T2_2207048005_DAFTAR_PUSTAKA__240130010905.pdf Download (1MB)

Abstract

Luka seringkali disepelekan oleh banyak kalangan karena kadang yang dirasakan hanya sedikit perih dan sedikit mengeluarkan darah. Tanpa disadari, luka dapat menimbulkan infeksi yang menyebabkan pembengkakan pada kulit dan memerlukan penanganan yang lama untuk penyembuhannya. Tujuan penelitian ini adalah untuk mengetahui seberapa baik segmentasi citra dalam deteksi luka menggunakan Active contour untuk kemudian mengimplementasikan Support Vector Machine untuk klasifikasi luka. Dataset luka luar didapat melalui website Kaggle dengan jumlah 280 data.

Penelitian ini diawali dengan melakukan tahap preprocessing yaitu cropping, resize, denoising, dan contrast adjustment. Citra yang telah selesai melalui tahap preprocessing akan disegmentasi menggunakan teknik active contour. Selanjutnya, dilakukan ekstrasi ciri pada citra segmentasi berupa tekstur menggunakan teknik Gray Level Co-Occurrence (GLCM) dengan sudut 0º, 45º, 90º, 135º, dan gabungan dari empat sudut serta menggunakan empat parameter penilaian yaitu contrast, correlation, energy, dan homogeneity. Citra segmentasi yang telah mendapatkan nilai parameter tersebut baru diklasifikasikan jenisnya menggunakan algoritma Support Vector Machine.

Hasil pengujian ditampilkan dalam confusion matrix pada sudut 0º mendapatkan precision 94,44%, recall 80,95%, F1-scrore 87,17%, dan accuration 78,57%. Pada sudut 45º mendapatkan precision 94,44%, recall 80,95%, F1-scrore 87,17%, dan accuration 78,80%. Pada sudut 90° mendapatkan precision 100%, recall 76,19%, F1-scrore 84,21%, dan accuration 83,33%. Pada sudut 135° mendapatkan precision 94,12%, recall 76,19%, F1-scrore 84,21%, dan accuration 75%. Pada gabungan dari empat sudut mendapatkan hasil terbaik dengan precision 100 %, recall 80,95%, F1-scrore 89,47%, dan accuration 85,71%.

Item Type:	Thesis (S2)
Keyword:	Support Vector Machine, Active contour, Luka Luar, Segmentasi
Subjects:	Q Science > Q Science (General) R Medicine > R Medicine (General) R Medicine > RL Dermatology
Divisi / Prodi:	Master (Magister) > Master of Technology Informatica (Magister Teknologi Informatika)
Depositing User:	userperpus1 userperpus1
Date Deposited:	15 May 2024 02:43
Last Modified:	15 May 2024 02:43
URI:	http://eprints.uad.ac.id/id/eprint/63345

Actions (login required)

View Item