<![CDATA[Bagian penting dari tubuh adalah otak yang mana menjadi sumber dari semua alat tubuh yang terletak dalam rongga tengkorak, tumor otak merupakan salah satu penyakit yang dapat menyerangnya. Pendeteksian tumor otak adalah salah satu aspek yang dinilai penting dalam diagnosa medis. Pada penelitian ini memiliki tujuan melakukan implementasi ekstraksi fitur GLCM (Gray Level Co-occurence Matrix) pada citra MRI tumor otak serta mencari performa algoritma yang paling baik dari deteksi tumor otak menggunakan citra MRI ini. Data yang dipakai pada penelitian ini merupakan data public yang berasal dari kaggle.com. Proses ekstraksi fitur pada citra digunakan pada penelitian ini GLCM yang mana memiliki fungsi menghitung frekuensi dari nilai intensitas piksel yang berjarak antar citra dengan menggunakan parameter 0o, 45o, 90o, 135o. Tahap selanjutnya pada penelitian ini adalah dengan melakukan langkah preprocessing dengan selanjutnya mencari nilai klasifikasi dari hasil MRI menggunakan algoritma Naïve Bayes, C4.5 dan Neural Network. Hasil yang didapatkan memperlihatkan bahwa Naïve Bayes memiliki performa algoritma paling baik dibandingkan C4.5 dan Neural Network yaitu dengan akurasi algoritma Naïve Bayes sebesar 96.8%, sedangkan untuk algoritma C4.5 sebesar 41.5% dan Neural Network sebesar 38.25%. selain hal tersebut pada penelitian ini membuktikan bahwa dengan ekstraksi fitur GLCM terbukti efektif dalam menangkap informasi tekstur dari citra MRI yang sangat penting pada klasifikasi tumor otak.]]>
Copyrights © 2024
