Sidik, Ilham Maulana Zapar (2024) IMPLEMENTASI ALGORITMA DETEKSI TEPI CANNY DAN SOBEL PADA CITRA TUMOR KULIT MENGGUNAKAN BOX COUNTING. Sarjana thesis, Universitas Siliwangi.
![[img]](http://repositori.unsil.ac.id/style/images/fileicons/text.png) |
Text
01. Cover.pdf Download (186kB) |
|
Text
02. Lembar Pengesahan.pdf Download (428kB) |
|
Text
03. Lembar Keaslian.pdf Download (224kB) |
|
Text
04. Abstrak.pdf Download (129kB) |
|
Text
05. Abstract.pdf Download (111kB) |
|
Text
06. Moto dan Persembahan.pdf Download (107kB) |
|
Text
07. Kata Pengantar.pdf Download (103kB) |
|
Text
08. Daftar Isi.pdf Download (127kB) |
|
Text
09. Daftar Tabel.pdf Download (118kB) |
|
Text
10. Daftar Gambar.pdf Download (115kB) |
|
Text
11. Bab I.pdf Download (125kB) |
|
Text
12. Bab II.pdf Download (526kB) |
|
Text
13. Bab III.pdf Download (206kB) |
|
Text
14. Bab IV.pdf Restricted to Repository staff only Download (1MB) |
|
Text
15. Bab V.pdf Restricted to Repository staff only Download (112kB) |
|
Text
16. Daftar Pustaka.pdf Download (134kB) |
|
Text
17. Lampiran.pdf Restricted to Repository staff only Download (5MB) |
Abstract
Penelitian ini berfokus pada penerapan algoritma canny dan sobel untuk preprocessing dalam pemrosesan citra digital, khususnya dalam konteks deteksi dan klasifikasi tumor kulit. Preprocessing gambar merupakan langkah fundamental dalam pemrosesan citra digital yang mempengaruhi kualitas dan efektivitas pengolahan citra berikutnya. Teknik ini esensial dalam meningkatkan akurasi prediksi model pembelajaran mesin. Dalam penelitian ini, algoritma canny dan sobel digunakan untuk meningkatkan kualitas citra dengan mengurangi noise dan memperjelas deteksi tepi, yang merupakan aspek penting dalam analisis citra medis. Tumor kulit, sebagai permasalahan kesehatan global yang terus meningkat, memerlukan teknik deteksi yang akurat untuk pengenalan dini. Melalui penggabungan algoritma preprocessing dan teknik klasifikasi Random Forest Classifier yang ditingkatkan dengan metode Box Counting untuk analisis tekstur, penelitian ini bertujuan untuk mengembangkan sistem prediksi yang lebih efektif dan efisien. Hasil eksperimen menunjukkan bahwa kombinasi algoritma canny dan sobel dalam preprocessing citra, bersama dengan penggunaan Box Counting sebagai fitur input, signifikan meningkatkan akurasi model pembelajaran mesin, mencapai angka akurasi tertinggi sebesar 0,85. Ini menandakan bahwa sistem yang dikembangkan mampu mengklasifikasikan tumor kulit dengan cukup akurat antara kelas benign dan malignant. Penemuan ini memperkuat peran penting algoritma deteksi tepi dalam preprocessing citra tumor kulit dan menunjukkan potensi Box Counting sebagai fitur input alternatif dalam pemrosesan citra digital. Penelitian ini menyediakan wawasan berharga dalam pengembangan alat diagnostik yang lebih efisien untuk deteksi dini tumor kulit, dengan harapan dapat berkontribusi pada peningkatan outcome klinis bagi pasien. Kata kunci—Pemrosesan citra, klasifikasi citra, sobel, canny, box counting
| Item Type: | Thesis (Sarjana) |
|---|---|
| Subjects: | Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science |
| Divisions: | Fakultas Teknik > Informatika |
| Depositing User: | Rema Puri Irma Sri Katon |
| Date Deposited: | 28 Aug 2024 03:21 |
| Last Modified: | 28 Aug 2024 03:21 |
| URI: | http://repositori.unsil.ac.id/id/eprint/13680 |
Actions (login required)
 |
View Item |