UMM Institutional Repository

KLASIFIKASI TUMOR OTAK MENGGUNAKAN METODE KOMBINASI CNN DAN SVM

Nasratuddin, Nasratuddin (2022) KLASIFIKASI TUMOR OTAK MENGGUNAKAN METODE KOMBINASI CNN DAN SVM. Undergraduate (S1) thesis, Universitas Muhammadiyah Malang.

[img]
Preview
Text
PENDAHULUAN.pdf

Download (2MB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (632kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (1MB) | Preview
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text
BAB V.pdf
Restricted to Registered users only

Download (531kB) | Request a copy
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only

Download (449kB) | Request a copy
[img] Text
POSTER.pdf
Restricted to Registered users only

Download (1MB) | Request a copy

Abstract

Dengan Artificial Intellegence (AI) kita dapat mendeteksi kanker otak sedini mungkin. Banyak teknik kecerdasan buatan pada penelitian sebelumnya seperti Artificial Neutral Network (ANN), Support Vector Machine(SVM), dan Convloutional Neutral Network (CNN) telah diterapkan untuk mengklasifikasikan dan mengenali tumor otak. Metode Deep Learning yang saat ini memiliki hasil paling signifikan dalam pengenalan citra adalah Convolutional Neural Network (CNN) . CNN terinspirasi dari persepsi pengelihatan manusia dalam mengenali sesuatu .CNN Sendiri terdiri dari 3 bagian dasar yaitu proses konvolusi, proses pooling dan fully connected. Tingginya akurasi yang dihasilkan oleh CNN menyebabkan banyaknya penggunaan algoritma CNN saat ini. Teknik Dropout layer dapat membuang beberapa neuron secara acak. Ini dapat membuat proses training nantinya akan lebih cepat. Penambahan SVM layer setelah fully connected layer pada penelitian sebelumnya mendapatkan akurasi yang lebih baik dibanding tanpa menggunakan fully connected. Penggabungan CNN dan SVM diharapkan dapat meningkatkan performa akurasi.

Item Type: Thesis (Undergraduate (S1))
Student ID: 201510130311157
Thesis Advisors: Lailis Syafa'ah (0721106301), Inda Rusdia Sofiani (0513057501)
Keywords: Tumor Otak, CNN, SVM
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QM Human anatomy
T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Electrical Engineering (20201)
Depositing User: 201510130311157 inasmessi
Date Deposited: 24 Jan 2022 07:00
Last Modified: 24 Jan 2022 07:00
URI : http://eprints.umm.ac.id/id/eprint/83618

Actions (login required)

View Item View Item
UMM Official

© 2008 UMM Library. All Rights Reserved.
Jl. Raya Tlogomas No 246 Malang East Java Indonesia - Phone +62341464318 ext. 150, 151 - Fax +62341464101
E-Mail : repository@umm.ac.id - Website : https://lib.umm.ac.id - Online Catalog : https://laser.umm.ac.id - Repository : https://eprints.umm.ac.id

Web Analytics

UMM Institutional Repository is powered by :
EPrints Logo