Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Syntax Literate: Jurnal Ilmiah Indonesia

Unjuk Kerja Pendeteksian Dhamir Raf’a Munfasil pada Citra Al-Qur’an dengan Penggabungan Algoritma Adaboost dan Tranformasi Slant Nargaza, Juanda; Away, Yuwaldi; Arnia, Fitri
Syntax Literate Jurnal Ilmiah Indonesia
Publisher : Syntax Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36418/syntax-literate.v9i4.15486

Abstract

Dalam penelitian ini pendeteksian Pola karakter Dhamir Raf’a Munfasil (DRM) pada citra Al-Qur’an menggunakan metode Transformasi Slant, Adaboosting dan gabungan Slant - Adaboosting yang kemudian di ukur unjuk kerja pendeteksian DRM pada setiap metode. Hasil penelitian menunjukkan bahwa sistem pendeteksian pola Dhamir Raf’a Munfasil pada citra Al-Qur’an menggunakan Transformasi Slant memiliki prescision sebesar 50% dan Recall 90%. Dengan menggunakan Algoritma Adaboosting memiliki prescision sebesar 71% dan Recall 92%. dengan menggunakan gabungan Algoritma tersebut Slant-Adaboost memiliki prescision sebesa 86% dan Recall 93%. Dari hasil perbandingan antara Adaboost dan Gabungan Slant-Adaboost, Slant-Adaboost memiliki tingkat akurasi lebih baik dari pada Adaboost sendiri.
Klasifikasi Kanker Payudara Menggunakan Citra Termal Berdasarkan Filter Gabor Putri, Listia Sukma; Arnia, Fitri; Muharar, Rusdha
Syntax Literate Jurnal Ilmiah Indonesia
Publisher : Syntax Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36418/syntax-literate.v9i4.15487

Abstract

Penelitian ini bertujuan untuk mengambil nilai fitur dari citra termal payudara melalui ekstraksi fitur Filter Gabor, dengan fokus pada mean, variance, kurtosis, skewness, dan entropi, serta untuk mengevaluasi kinerja tiga metode klasifikasi, yaitu K-Nearest Neighbor (KNN), Support Vector Machine (SVM), dan Artificial Neural Network (ANN). Kanker payudara merupakan masalah kesehatan yang serius, terutama bagi perempuan, karena potensial menyebabkan kematian. Dalam upaya mengurangi risiko kematian, penelitian dilakukan untuk mendeteksi kanker secara dini, termasuk menggunakan termografi. Metode ini memanfaatkan suhu dari objek untuk mendeteksi kanker, dimana pola suhu yang berbeda di area payudara yang terkena kanker dapat diamati karena peningkatan aliran darah. Penelitian menggunakan citra termal dari Database for Mastology Research (DMR) sebanyak 150 citra, dengan 108 citra sehat dan 42 citra sakit. Fitur tekstur diekstraksi menggunakan Filter Gabor dengan variasi skala dan sudut orientasi tertentu. Hasilnya diuji dengan beberapa metode klasifikasi, dimana ANN menunjukkan akurasi tertinggi yaitu 88.88%, diikuti oleh KNN dengan 86.66% dan SVM dengan 84.44%. Hasil ini menegaskan bahwa termografi bersama dengan ekstraksi fitur tekstur dan algoritma pembelajaran mesin dapat efektif dalam mendeteksi kanker payudara secara dini, menawarkan potensi diagnosis dini dan manajemen penyakit yang efektif.