NURIL WAHDANIATI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2022

Skripsi

Performa klasifikasi citra dari model deep learning (DL) dipengaruhi oleh kualitas input. Citra input yang hanya mengandung informasi penting akan meningkatkan akurasi klasifikasi. Oleh karena itu tahapan pra pemrosesan citra berupa segmentasi sangat penting. Pada penelitian ini dibangun algoritma segmentasi yang akan mengambil area penting atau region of interest (ROI) dari citra termal payudara. Untuk analisis citra medis, banyak model convolutional neural network (CNN) telah diusulkan untuk melakukan segmentasi citra medis, diantaranya adalah U-Net dan SegNet. SegNet memiliki performansi yang lebih baik dalam melakukan segmentasi. Adapun model yang digunakan pada penelitian ini adalah SegNet untuk mengambil region of interest (ROI) dari citra termal payudara. Yang menjadi fokus penelitian ini adalah mengamati dan menganalisa kinerja SegNet dalam segmentasi citra termal payudara untuk memisahkan area payudara dengan latarnya. Citra termal yang digunakan merupakan citra yang diunduh dari database for mastology research (DMR). Dalam penelitian ini untuk mendapatkan model akurasi yang tinggi dilakukan pengevaluasian model terhadap SegNet dengan dice loss function, binary cross-entropy loss function, dan focal loss function. Dari penelitian yang dilakukan, hasil pengujian menunjukkan bahwa kinerja segmentasi citra termal payudara menggunakan algoritma SegNet memiliki tingkat akurasi yang baik dengan menggunakan dice loss function dan binary cross entropy loss function sama-sama menghasilkan akurasi piksel sebesar 89% dan dice coefficient sebesar 98%. Kata kunci: citra termal payudara, convolution neural network, segnet, dan segmentasi. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 107445 2022-12-27 16:21:24 2022-12-27 16:30:54 machine generated