Article Per Year (5 Year)
p-Index From 2021 - 2026
1.578
P-Index
This Author published in this journals
All Journal J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Infortech J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Teknologi Sistem Informasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen)
Azizah, Qudsiah Nur
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Energy Library & Information Science

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Infortech

 1 
Klasifikasi Tumor Otak Menggunakan Ekstraksi Fitur HOG dan Support Vector Machine Mutiara, Tika Adilah; Azizah, Qudsiah Nur
Jurnal Infortech Vol 4, No 1 (2022): Juni 2022
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v4i1.12813

Abstract

Tumor Otak merupakan penyakit yang mematikan dan dapat menyerang siapa saja.  Tumor otak menempati urutan ke-10 sebagai penyebab kematian baik pada pria maupun wanita.  Tumor pada otak dapat dideteksi melalui pemeriksaan Magnetic Resonance Imaging (MRI). Dengan mengolah citra yang dihasilkan oleh alat MRI dapat dikembangkan metode pendeteksian tumor otak yang mampu mendeteksi dan mengklasifikasikan jenis tumor tersebut. Deteksi dini dan otamatis ini akan sangat membantu dokter dan juga pasien yang terkena tumor otak yaitu dalam peningkatan perawatan. Tujuan utama penelitian ini adalah untuk mendeteksi jenis Tumor otak dengan menggunakan ekstraksi fitur Histogram of Oriented Gradient (HOG) dan Support Vector Machine (SVM). Dalam penelitian ini, proses klasifikasi dilakukan dalam tiga langkah, Pre-processing yang mengubah ukuran citra, ekstraksi fitur yang mengambil informasi (fitur), kemudian diikuti dengan melatih data dan dilakukan pengujian pada SVM. Hasil dari penelitian ini adalah untuk mengklasifikasikan jenis Tumor Otak. Dari hasil pengujian klasifikasi dengan SVM, didapatkan tingkat akurasi yang cukup baik sebesar yaitu 91%.
Co-Authors Arief Rusman Deri Saputra, Deri Diah Puspitasari Erma Delima Sikumbang Fattya Ariani Hadi Sukmana, Sulaeman Kresna Ramanda Prima, Harry Pujiati, Tri Wahyuni Shafa, Muadzi Sundari, Wiwin Tika Adilah M