Image of Implementasi Algoritma Gray Level Co-Occurrence Matrix (GLCM) Dan Extreme Learning Machine (ELM) Untuk Mengidentifikasi Sel Kanker Serviks

Skripsi

Implementasi Algoritma Gray Level Co-Occurrence Matrix (GLCM) Dan Extreme Learning Machine (ELM) Untuk Mengidentifikasi Sel Kanker Serviks



ABSTRAK
FITRA SARI BUNGA, Implementasi Algoritma Gray Level Co-Occurrence Matrix dan Extreme Learning Machine untuk Mengidentifikasi Sel kanker Serviks (dibimbing oleh Andi Yulia Muniar dan Suryadi Syamsu).
Permasalahan yang terjadi sulitnya mengidentifikasi sel kanker serviks secara dini yang menyebabkan banyaknya korban.Maka dari itu penulis memberikan solusi untuk merancang suatu sistem cerdas yang dapat mengidentifikasi sel kanker sel kanker serviks secara otomatis dengan menggunakan Algoritma Gray level Co-Occurrence Matrix dan Extreme Learning Machine.Tujuan dari penelitian ini adalah membuat suatu sistem cerdas yag dapat mengidentifikasi sel kanker serviks cecara otomatis dengan menggunakan metode Algoritma Gray Level Co-Occurrence Matrix dan Extreme Learning Machine .Data yang digunakan merupakan dataset yang diambil dari http://mde- lab.aegean.gr/dowloads. Metode yang digunakan untuk mmengidentifikasi sel kanker serviks yaitu Algoritma Gray Level Co-Occurence Matrix dan Extreme Learning Machine untuk Mengidentifikasi Sel kanker Serviks.Hasil penelitian mmenunjukkan bahwa Algoritma Gray Level Co-Occurence Matrix dan Extreme Learning Machine untuk Mengidentifikasi Sel kanker Serviks berhasil di implementasikan dengan tingkat akurasi 94,2%.
Kata Kunci : Algoritma Gray Level Co-Occourance Matrix(GLCM), Extreme Learning Machine,sel kanker serviks,matlab,citra.


Ketersediaan

2534/SKR-Ti/AKBA/23SKR/TI/2019 REF FIT iPerpustakaan STMIK AKBA (A/673)Tersedia namun tidak untuk dipinjamkan - No Loan

Informasi Detil

Judul Seri
-
No. Panggil
SKR FIT i
Penerbit UNITAMA : Makassar.,
Deskripsi Fisik
xiv + 62 hlm.: ilus.; 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF FIT i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subyek
-
Info Detil Spesifik
Pembimbing I: Andi Yulia Muniar Dan Pembimbing II: Suryadi Syamsu
Pernyataan Tanggungjawab

Versi lain/terkait

Tidak tersedia versi lain




Informasi


DETAIL CANTUMAN


Kembali ke sebelumnyaXML DetailCite this