SEGMENTASI CITRA MAGNETIC RESONANCE IMAGING (MRI) OTAK BERDERAU MENGGUNAKAN HYBRID PARTICLE SWARM OPTIMIZATION DAN FUZZY C-MEANS CLUSTERING (PSO-FCM) HALAMAN JUDUL

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.

[img]
Preview
Text
Abstrak-4.pdf

Download (86kB) | Preview
[img]
Preview
Text
Daftar Isi-4.pdf

Download (143kB) | Preview
[img]
Preview
Text
Halaman Judul-2.pdf

Download (182kB) | Preview
[img]
Preview
Text
Halaman Pengesahan-2.pdf

Download (524kB) | Preview
[img] 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
Subjects: Q Science > Q Science (General)
Divisions: 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 View Item