Pendekatan Algoritma Pemrosesan Gambar dan Transformer untuk Deteksi Kanker Prostat melalui Citra Magnetic Resonance Imaging (MRI)

Axel Wijaya, Kimi (2025) Pendekatan Algoritma Pemrosesan Gambar dan Transformer untuk Deteksi Kanker Prostat melalui Citra Magnetic Resonance Imaging (MRI). MBKM thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (1MB)
[img] PDF
BAB_I.pdf

Download (563kB)
[img] PDF
BAB_II.pdf

Download (783kB)
[img] PDF
BAB_III.pdf

Download (2MB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (552kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (564kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (5MB)
[img] PDF
LEMBAR_PENGESAHAN.pdf

Download (52kB)

Abstract

Kanker prostat merupakan salah satu jenis kanker yang paling umum dan mematikan di kalangan pria, termasuk di Indonesia. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis transformer, yaitu Vision Transformer (ViT) dan Data-efficient Image Transformer (DeiT), dan juga teknik pemrosesan citra guna mendeteksi metastasis kanker prostat dari citra MRI secara akurat, dan untuk meningkatkan akurasi model, penelitian ini juga menggunakan teknik pemrosesan citra, seperti Gaussian Filter, Sobel Filter, dan Gabor Filter. Model ini diharapkan dapat mendukung diagnosis lebih dini dan efektif untuk mengurangi angka kematian akibat kanker prostat. Proses pembuatan model transfer learning yang mengacu pada tahapan Knowledge Discovery in Databases (KDD) yang dimulai dengan seleksi data, praproses data, transformasi data, pemodelan, dan evaluasi. Hasil menunjukkan bahwa model ViT dengan filter Sobel mencapai akurasi pelatihan 99,33% dan akurasi validasi 89,76%, sementara model DeiT menunjukkan kinerja yang lebih stabil tanpa pemrosesan citra dengan akurasi pelatihan 93,85% dan akurasi validasi 86,12%. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam deteksi dini kanker prostat dan meningkatkan efektivitas diagnosis, serta menjadi referensi bagi pengembangan teknologi medis di masa depan.

Item Type: Thesis (MBKM)
Keywords: Deep Learning, Kanker Prostat, Magnetic Resonance Imaging, Pemrosesan Citra, Transformer
Subjects: ?? T70 ??
Divisions: Faculty of Engineering & Informatics > Information System
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 06 Jul 2025 13:02
Last Modified: 06 Jul 2025 13:02
URI: https://kc.umn.ac.id/id/eprint/37894

Actions (login required)

View Item View Item