Anwar, Saeful (2014) DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM. Update Test thesis, Universitas Muria Kudus.

Preview	PDF (Halaman Judul) HALAMAN_JUDUL.pdf - Accepted Version Download | Baca Disini
	PDF (Bab 1) BAB_I.pdf - Accepted Version Restricted to Registered users only Download
	PDF (Bab 2) BAB_II.pdf - Accepted Version Restricted to Registered users only Download
	PDF (Bab 3) BAB_III.pdf - Accepted Version Restricted to Registered users only Download
	PDF (Bab 4) BAB_IV.pdf - Accepted Version Restricted to Registered users only Download
	PDF (Bab 5) BAB_V.pdf - Accepted Version Restricted to Registered users only Download
	PDF (Bab 6) BAB_VI.pdf - Accepted Version Restricted to Registered users only Download
Preview	PDF (Daftar Pustaka) DAFTAR_PUSTAKA.pdf - Accepted Version Download | Baca Disini
	PDF (Lampiran) LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download
	Archive (ZIP) (Aplikasi) Program.zip - Accepted Version Restricted to Repository staff only Download

Abstrak

Secaraumum, kankerotakadalahsebuahpenyakit yang timbuldaripembelahansel-selotak yang tidakwajardandapatmenyebarkeseluruhbagianotak yang lain. Diagnosakankerotakdapatdilakukanmelaluipemeriksaanmagnetic resonance imaging (MRI). Magnetic resonance imaging (MRI) merupakanpemeriksaandenganmenggunakanmedan magnet danresonansigetaranterhadapinti atom hidrogen yang dapatmenghasilkanrekamangambar organ manusia yang biasadigunakandokteruntukmendeteksidanmendiagnosapasiennya. Terkadang, seorangdoktermengalamikesulitandalammendiagnosapasienkankerotakdikarenakanperbedaanpersepsidananalisissaatmelihathasilcitra MRI.Discrete wavelet transform(DWT) merupakanmetodeekstraksifitur yang berfungsiuntukmencaricirikhususatauciriobjek yang terdapatpadasebuahcitra MRI. Padapenelitianiniakandibahasmetodepengolahancitra digital sebagaimetodeperbaikandananalisisctirasertajaringansyaraftiruanbackpropagationyang digunakansebagaimetodepengenalandanklasifikasicitra MRI otakmanusia. Hasilklasifikasiiniadalah MRI normal dan abnormal. Tingkat akurasi yang paling baik pada sistem deteksi kanker otak yang dirancang adalah 100% untuk data training dan 80% untuk data testing.

Item Type:	Skripsi/ Thesis (Update Test)
Dosen Pembimbing:	Pembimbing : Endang Supriyati, M. Kom
Kata Kunci:	Kata kunci : KankerOtak, MRI, DWT, Backpropagation, Citra Digit
Subjects:	Teknologi > Teknik elektro, Teknik Nukllir > Elektronika > Teknik komputer. Perangkat keras komputer
Program Studi:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr Firman Al Mubaroq
Date Deposited:	09 May 2014 02:01
Last Modified:	09 May 2014 02:01
URI:	http://eprints.umk.ac.id/id/eprint/2926

Actions (login required)

View Item