APLIKASI PENGENALAN CITRA KULIT MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK MEMBEDAKAN KANKER KULIT MELANOMA DENGAN TAHI LALAT

Wicaksono, Thomas Satrio (2018) APLIKASI PENGENALAN CITRA KULIT MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK MEMBEDAKAN KANKER KULIT MELANOMA DENGAN TAHI LALAT. Other thesis, Univesitas Pembangunan Nasional "Veteran" Yogyakarta.

[thumbnail of 1.Cover.pdf]
Preview
Text
1.Cover.pdf

Download (121kB) | Preview
[thumbnail of 2. Halaman Pengesahan Pembimbing.pdf]
Preview
Text
2. Halaman Pengesahan Pembimbing.pdf

Download (473kB) | Preview
[thumbnail of 3. Halaman Pengesahan Penguji.pdf]
Preview
Text
3. Halaman Pengesahan Penguji.pdf

Download (476kB) | Preview
[thumbnail of 9. Abstrak.pdf]
Preview
Text
9. Abstrak.pdf

Download (72kB) | Preview
[thumbnail of 10. Daftar isi.pdf]
Preview
Text
10. Daftar isi.pdf

Download (89kB) | Preview

Abstract

Melanoma adalah jenis penyakit kanker kulit yang tergolong berbahaya dan dapat
menyebabkan kematian. Bentuk melanoma terlihat seperti tahi lalat, beberapa juga berkembang
dari tahi lalat yang sudah ada. Kanker kulit jenis ini dapat berakibat fatal jika tidak dilakukan
diagnosis dan pencegahan secara dini. Jika melanoma telah tumbuh jauh ke dalam kulit, maka
akan menyebar melalui pembuluh darah dan bisa menyebabkan rusaknya sel-sel lain di dalam
tubuh. Bagi orang awam membedakan melanoma dengan tahi lalat secara kasat mata merupakan
hal yang sulit. Untuk dapat membedakan melanoma dengan tahi lalat, maka perlu adanya
aplikasi pengenalan citra kulit
Dalam penelitan ini akan dilakukan proses pengolahan citra terhadap citra masukan
sebelum citra tersebut diolah dalam metode Jaringan Syaraf Tiruan Learning Vector
Quantization. Proses pengolahan citra yang dilakukan menggunakan normalisasi citra, scaling,
segmentasi citra, dan binerisasi. Setelah dilakukan proses pengolahan citra, nilai citra biner yang
didapatkan harus dilakukan pembelajaran dengan metode Jaringan Syaraf Tiruan yaitu Learning
Vector Quantization.
Hasil dalam penelitian ini nantinya berupa klasifikasi citra, nilai koefisien korelasi
pelatihan data, dan persentase pengujian data. Penelitian ini dikatakan kuat apabila dalam
pelatihan data mendapatkan nilai koefisien korelasi (R) yaitu 0,60 ≤ R ≤ 1,00 atau -1,00 ≤ R ≤ -
0,60 dan pada pengujian data dikatakan berhasil jika mendapatkan nilai persentase tinggi yaitu
lebih dari 60%.
Kata kunci : Pengenalan Citra, Learning Vector Quantization, Koefisien Korelasi, Scaling,
Normalisasi Citra, Segmentasi Citra, dan Binerisasi.

Item Type: Thesis (Other)
Subjek: Z Bibliography. Library Science. Information Resources > ZA Information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Eny Suparny
Date Deposited: 29 Mar 2018 04:01
Last Modified: 29 Mar 2018 04:01
URI: http://eprints.upnyk.ac.id/id/eprint/14820

Actions (login required)

View Item View Item