ROHANI (2013) IDENTIFIKASI AREA TUMOR PADA CITRA CT SCAN TUMOR OTAK MENGGUNAKAN METODE EXPECTATION MAXIMIZATION GAUSSIAN MIXTURE MODEL (EM-GMM). Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIEF KASIM RIAU.

Preview

Text 2013_201319.pdf Download (4MB) | Preview

Abstract

Tumor otak merupakan penyakit yang sangat berbahaya bahkan mematikan terlihat dari survei-survei setiap tahunnya, karena tumor otak tersebut menyerang organ paling vital pada manusia. Berdasarkan gejala-gejala tumor yang ditimbulkan maka sebaiknya dilakukan pemeriksaan lanjutan untuk mengetahui kondisi penderita, salah satunya melalui pemeriksaan CT Scan. Pemeriksaan tersebut belum pasti bisa mendiagnosis, menganalisa kondisi serta letak atau area dari tumor tersebut, hanya sebagai pegangan untuk melakukan tindakan lanjutan pada penderita, seperti operasi dan pengobatan. Pada penelitian ini dilakukan uji performance dari metode algoritma Expectation Maximization Gaussian Mixture Model (EM-GMM) dalam penentuan letak atau area tumor dari data CT Scan tumor otak. Berdasarkan hasil eksperimen metode EM-GMM dapat membagi citra kedalam beberapa kelas atau cluster yang salah satunya merupakan cluster yang diduga tumor. Metode ini bekerja berdasarkan fitur piksel namun belum sempurna membedakan bagian tumor dan bukan tumor sekalipun ditambah dengan metode recognition (pengenalan) menggunakan SAC (Segmentasi Berbasis Active Contour). Hal tersebut terlihat dari hasil eksperimen output EM-GMM rata-rata pada citra asli TP (True Positive) 69,62%, FP (False Positive) 30,38% dan pada citra resize TP (True Positive) 80,61%, FP (False Positive) 19,39% serta hasil SAC dengan 80%. Hal tersebut terjadi karena nilai piksel dibagian tumor juga berada disekitar bagian yang bukan tumor dan SAC juga mensegmentasi secara otomatis menuju batas tepi objek citra dalam menentukan area yang diinginkan berdasarkan inisial contour yang diberikan.

Actions (login required)

View Item