<![CDATA[Analisis citra medis, khususnya pada citra tumor otak, memiliki peran penting dalam membantu proses diagnosis penyakit. Permasalahan utama dalam klasifikasi citra tumor otak adalah bagaimana meningkatkan akurasi dan efisiensi sistem klasifikasi. Penelitian ini bertujuan untuk mengoptimalkan model klasifikasi dengan menggunakan algoritma Support Vector Machine (SVM), yang dikenal andal dalam menangani data non-linear dan berdimensi tinggi. Metode yang digunakan meliputi tahap preprocessing citra, ekstraksi fitur menggunakan metode tertentu, serta pengoptimalan parameter SVM, seperti kernel, nilai regulasi, dan parameter gamma. Dataset berupa citra MRI otak dibagi menjadi data pelatihan dan pengujian untuk mengevaluasi kinerja model. Penelitian ini diharapkan dapat memberikan kontribusi terhadap pengembangan sistem berbasis komputer untuk diagnosis tumor otak secara cepat, akurat, dan efisien. Hasil dari model SVM pada proyek ini menunjukkan bahwa klasifikasi menghasilkan class positif sebesar 0,950 dan class negatif sebesar 0,050. Model ini mencapai akurasi 81%, dengan precision 100% dan recall 80%, menunjukkan bahwa SVM memiliki performa yang baik dalam analisis klasifikasi citra tumor otak.]]>
Copyrights © 2025
