Rufaida, Asy-syifaur Roisah (2020) SEGMENTASI CITRA MAGNETIC RESONANCE IMAGING (MRI) OTAK BERDERAU MENGGUNAKAN HYBRID PARTICLE SWARM OPTIMIZATION DAN FUZZY C-MEANS CLUSTERING (PSO-FCM) HALAMAN JUDUL. Masters thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.
Preview |
Text
Abstrak-4.pdf Download (86kB) | Preview |
Preview |
Text
Daftar Isi-4.pdf Download (143kB) | Preview |
Preview |
Text
Halaman Judul-2.pdf Download (182kB) | Preview |
Preview |
Text
Halaman Pengesahan-2.pdf Download (524kB) | Preview |
![]() |
Text
Tugas Akhir_123150018.pdf Restricted to Repository staff only Download (2MB) |
Abstract
MRI memiliki kekurangan yaitu munculnya derau citra secara random. Padahal citra
medis diharapkan memiliki kualitas yang baik agar tidak terjadi kesalahan analisis lebih
lanjut. Salah satu langkah untuk mempermudah proses analisis citra MRI adalah
segmentasi. Agar segmentasi berjalan dengan lebih baik maka perlu dilakukan perbaikan
pada citra yang memiliki derau. Metode yang digunakan pada penelitian ini untuk
mengoptimalkan segmentasi citra medis MRI berderau adalah Particle Swarm
Optimization dan Fuzzy C-Means Clustering (PSO-FCM).
Penelitian ini dibagi menjadi dua tahap, yaitu tahap pengurangan derau menggunakan
tapis median dan tahap segmentasi citra. Performa algoritma PSO-FCM dibandingkan
dengan algoritma FCM pada tahap segmentasi citra. Performa tiap algoritma diukur
menggunakan dua fungsi validasi. Fungsi pertama yaitu fungsi partisi fuzzy yang meliputi
nilai Partition Coefficient (PC) dan Partition Entropy (PE). Fungsi kedua yaitu fungsi
struktur geometrik yaitu nilai Separation and Compactness. Data yang diuji adalah citra
MRI yang memiliki 5 tingkatan derau yang berbeda.
Berdasarkan hasil penelitian tersebut dapat disimpulkan bahwa segmentasi citra
menggunakan PSO-FCM lebih unggul dibandingkan FCM. Algoritma PSO-FCM unggul
dalam dua nilai validasi yaitu nilai Partition Coefficient lebih unggul sebesar 0,45% dan
nilai Separation and Compactness lebih unggul sebesar 61%, sedangkan FCM hanya
unggul dalam nilai Partition Entropy sebesar 1,71%.
Kata kunci : Magnetic Resonance Imaging, Derau, Segmentasi, Fuzzy C-Means, Particle
Swarm Optimization
Item Type: | Thesis (Masters) |
---|---|
Uncontrolled Keywords: | Magnetic Resonance Imaging, Derau, Segmentasi, Fuzzy C-Means, Particle Swarm Optimization |
Subjek: | Q Science > Q Science (General) |
Divisions: | x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
Depositing User: | Eny Suparny |
Date Deposited: | 09 Sep 2020 03:49 |
Last Modified: | 16 Sep 2020 06:10 |
URI: | http://eprints.upnyk.ac.id/id/eprint/23614 |
Actions (login required)
![]() |
View Item |