IDENTIFIKASI PENYAKIT STROKE PADA CITRA MRI MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) BERBASIS FITUR TEKSTUR

• Main Author: LELLEN NOVIA HARIONO, 081211333032
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian
• Published: 2017
• Subjects: QC1-999 Physics; QC871-874.8 Technique, Instructions for Observers
• Online Access: http://repository.unair.ac.id/59894/1/ABSTRAK%20MPF.%2035.17%20%20Har%20i.pdf; http://repository.unair.ac.id/59894/2/FULLTEXT%20MPF.%2035.17%20%20Har%20i.pdf; http://repository.unair.ac.id/59894/; http://lib.unair.ac.id
• Institution: Universitas Airlangga

Telah dikerjakan penelitian Identifikasi Penyakit Stroke dengan Citra MRI Menggunakan Metode Learning Vector Quantization (LVQ) Berbasis Fitur Tekstur. Penelitian ini bertujuan untuk mengetahui parameter terbaik pada program dan mengetahui tingkat akurasi tertinggi dari program identifikasi stroke tersebut. Penelitian ini dikerjakan di Rumah Sakit Haji Sukolilo – Surabaya dengan mendapatkan 57 citra pasien stroke dan 15 citra pasien normal. Penelitian dilakukan dengan kecerdasan citra stroke, tumor, dan normal agar mengetahui karakteristik citra setiap kategorinya. Setelah mengetahui perbedaan tiap kategori proses selanjutnya adalah pemrosesan citra digital dilanjutkan dengan ekstraksi ciri yang digunakan adalah Gray-Level Co-occurrence matrix (GLCM) dengan empat parameter yakni kontras,korelasi, Keberagaman, dan homogenitas. Empat parameter tersebut menjadi masukan parameter terbaik dengan laju kecerdasan 0,100 dengan penurunan laju kecerdasan 0,100 sehingga mencapai nilai akurasi terbaik untuk pelatihan sebesar 74,97% dan data uji 78,60%. Dengan merujuk pada kemampuan program mengidentifikasi dengan benar 11 data dari total 14 data yang diujikan maka program tersebut kurang layak untuk digunakan sebagai secondary opinion.