Article Per Year (5 Year)
p-Index From 2021 - 2026
3.011
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmiah Informatika Komputer ELKHA : Jurnal Teknik Elektro Majalah Ilmiah Matematika Komputer FIKI 2013 Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Ilmiah KOMPUTASI Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Teknologi Sistem Informasi dan Aplikasi Petir EXPLORE Edugama: Jurnal Kependidikan dan Sosial Keagamaan Journal Sensi: Strategic of Education in Information System Journal of Applied Computer Science and Technology (JACOST) EXPLORE Research Horizon Explore Prosiding SeNTIK STI&K
Lussiana ETP
STMIK Jakarta STI&K
Arts Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : FIKI 2013

 1 
Klasifikasi Citra Mammogram Berbasis Tekstur Menggunakan SVM Lussiana ETP
979-26-0263-1
Publisher : FIKI 2013

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (482.473 KB)

Abstract

Latar Belakang : Kanker payudara adalah penyakit yang ditandai oleh terjadinya pertumbuhanjaringan yang berlebihan, atau perkembangan sel-sel jaringan payudara yang tidak terkontrol. Salahsatu cara untuk mendeteksi adanya jaringan tersebut adalah dengan menggunakan pemeriksaanmammografi. Selanjutnya untuk menganalisis citra hasil mammografi (mammogram) sangatbergantung pada dokter ahli radiologi, sehingga pengalaman dan keahlian dalam menganalisis citramammogram sangat mempengaruhi keakuratan diagnosis. Dengan demikian untuk membantu danmemudahkan dokter dalam menganalisis citra mammogram perlu adanya alat bantu pendiagnosis citramammogram yang dapat menganalisis dan mengidentifikasi adanya jaringan yang dicurigai secaraakurat. Tujuan penelitian adalah melakukan klasifikasi citra mammogram dengan menggunakanmetode Support Vector Machine (SVM).Metode : Tahap penelitian diawali dengan pencarian ROI, dilanjutkan dengan melakukan segmentasicitra, ekstraksi citra, dan klasifikasi citra dengan menggunakan SVM.Hasil : Berdasarkan hasil percobaan menunjukkan bahwa SVM mampu mengklasifikasi citramammogram dengan akurasi 91% untuk data kelas normal dan 87,667% untuk data kelas abnormal
Co-Authors Adhib Arfan Arif Rachman Aulia Nurhidayati Bheta Agus Wardijono Di Ajeng Pambayun Eel Susilowati Ega Rudy Graha Ervina Nisfiani Fajar, Mohammad Yan Freddy Artadima Silaban Indrayanti, Annisa Kalbuana, Nawang Kania Lulu Mahfudzah Karmilasari Karno, Adhitio Satyo Bayangkari Khusnul Khotimah Kokoy Rokoyah Kokoy Rokoyah M. Subali Mella Trisnawali Mirasari, Ratih Ayudya Neneng Suryani Nisfiani, Ervina Rahman, Priyanggo Karunia Ramadhan, Aziiz Cahya Ratih Ayudya Mirasari Rico Aditya Utama Rico Aditya Utama Riska Khairunnisah Rozi Rozi Rozi, Rozi Supriyanto, Raden Suryarini Widodo Susan Siti Nurhaliza Susan Siti Nurhaliza Widi Hastomo Wirya Sumantri