Analisis Citra Dental Panoramic Radiograph (DPR) pada Tulang Mandibula untuk Deteksi Osteoporosis Menggunakan Metode GLCM – SVM Multiclass (Gray Level Co- Occurrence Matrix – Support Vector Machine Multiclass)

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Adyanti, Deasy Alfiah (2018) Analisis Citra Dental Panoramic Radiograph (DPR) pada Tulang Mandibula untuk Deteksi Osteoporosis Menggunakan Metode GLCM – SVM Multiclass (Gray Level Co- Occurrence Matrix – Support Vector Machine Multiclass). Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img]
Preview
Text
Deasy Alfiah Adyanti_H72214013.pdf

Download (3MB) | Preview

Abstract

Salah satu pemeriksaan standar yang ditetapkan untuk deteksi osteoporosis adalah DEXA. Akan tetapi, pemeriksaan tersebut mahal dan hasilnya tidak dapat memberikan informasi tentang mikroarsitektur tulang. Oleh karena itu, pada penelitian ini dilakukan pengenalan pola dari citra DPR yang dianalisis pada tulang ramus mandibula. Tujuannya agar dapat mengklasifikasi tulang normal, osteopenia dan osteoporosis melalui tiga tahapan yaitu pre-processing dari adaptive histogram equalization, ekstraksi fitur dengan GLCM dan klasifikasi dengan SVM Multiclass dari adanya hubungan antara perubahan pola trabekula pada tulang rahang dengan fraktur tulang panggul. Jumlah data citra DPR yang digunakan sebanyak 61 data (24 data tulang normal, 24 data tulang osteopenia, dan 13 data tulang osteoporosis) yang terbagi menjadi dua bagian, yakni 75% sebagai data latih dan 25% sebagai data uji. Berdasarkan analisis citra DPR pada ROI ramus mandibula yang digunakan sebagai dasar computer-aided diagnosis sistem telah dapat digunakan sebagai deteksi osteoporosis. Ekstraksi fitur GLCM berdasarkan empat fitur statistik telah menujukkan sudut orientasi terbaik adalah 〖135〗^0 dan jarak d=1 piksel serta SVM Multiclass terbaik dibangun oleh kernel polynomial berderajat dua. Hasil akurasi data uji yang dihasilkan sebesar 81,25%, sensitivitas sebesar 75%, spesifisitas sebesar 90%, dan precision sebesar 88,89%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Adyanti, Deasy AlfiahH72214013@uinsby.ac.idUNSPECIFIED
Subjects: Pendidikan
Pendidikan > Pembelajaran
Pendidikan > Metode
Uncontrolled Keywords: Deteksi Osteoporosis, Gray Level Co-occurance Matrix, Support Vector Machine Multiclass
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Adyanti Deasy Alfiah
Date Deposited: 08 Aug 2018 04:13
Last Modified: 08 Aug 2018 04:13
URI: http://digilib.uinsby.ac.id/id/eprint/26568

Actions (login required)

View Item View Item