Implementasi Ekstraksi Fitur DCT dan GLCM untuk Klasifikasi Kondisi Paru-Paru Menggunakan CNN

Febrian, Nikolas (2025) Implementasi Ekstraksi Fitur DCT dan GLCM untuk Klasifikasi Kondisi Paru-Paru Menggunakan CNN. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (11MB)
	PDF BAB_I.pdf Download (196kB)
	PDF BAB_II.pdf Download (402kB)
	PDF BAB_III.pdf Download (276kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (708kB)
	PDF BAB_V.pdf Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Download (209kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (302kB)

Abstract

Penyakit paru-paru merupakan salah satu penyebab utama kematian di berbagai negara, sehingga diperlukan metode deteksi yang akurat dan efisien. Salah satu cara untuk meningkatkan proses deteksi adalah dengan menggunakan teknologi pengolahan citra digital berbasis kecerdasan buatan. Penelitian ini mengkombinasi algoritma Discrete Cosine Transform (DCT), Gray Level Co-occurrence Matrix (GLCM), dan Convolutional Neural Network (CNN) untuk meningkatkan kualitas citra X-ray paru-paru dalam sistem klasifikasi otomatis. DCT digunakan untuk mengekstraksi fitur berbasis frekuensi rendah guna mereduksi dimensi citra dan mempertahankan informasi penting, sedangkan GLCM menganalisis tekstur untuk mengidentifikasi pola atau kelainan pada citra. Fitur yang diekstraksi dari DCT dan GLCM kemudian digunakan sebagai masukan ke dalam CNN, yang bertugas mengklasifikasikan kondisi paru-paru secara otomatis. Dengan pendekatan ini, sistem diharapkan dapat meningkatkan akurasi dan efisiensi dalam diagnosis penyakit paru-paru. Pada penelitian ini menunjukkan bahwa implementasi antara DCT, GLCM dan CNN mampu memberikan performa klasifikasi dengan tingkat akurasi mencapai 93%. Pendekatan ini terbukti efektif dalam meningkatkan kualitas citra dari penggunaan CNN saja, serta akurasi deteksi sehingga dapat menjadi solusi yang potensial dalam pengolahan dan analisis citra medis, khususnya untuk mendeteksi penyakit paru-paru melalui citra X-ray.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Penyakit paru-paru, DCT, GLCM, CNN, X-ray, klasifikasi citra.
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	29 Jul 2025 11:03
Last Modified:	29 Jul 2025 11:03
URI:	https://kc.umn.ac.id/id/eprint/39401

Actions (login required)

View Item