Implementasi Seleksi Fitur Bird Eye View untuk klasifikasi Tumor Otak dengan XGBoost

Kurniawan, Gregory (2025) Implementasi Seleksi Fitur Bird Eye View untuk klasifikasi Tumor Otak dengan XGBoost. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (215kB)
	PDF BAB_II.pdf Download (912kB)
	PDF BAB_III.pdf Download (416kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (698kB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (212kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (260kB)

Abstract

Klasifikasi tumor otak secara otomatis menggunakan citra MRI menjadi tantangan penting dalam bidang medis, terutama karena kompleksitas struktur otak dan keterbatasan tenaga ahli radiologi. Penelitian ini bertujuan untuk mengimplementasikan metode seleksi fitur berbasis metaheuristic baru, yaitu Bird Eye View (BEV), untuk mereduksi dimensi fitur, serta mengevaluasi performa model klasifikasi XGBoost pada tugas klasifikasi tumor otak. Tiga jenis tumor yang diprediksi adalah Meningioma, Glioma, dan Pituitary Tumor, dengan total 2048 fitur per citra. InceptionV3 digunakan untuk mengekstraksi fitur dari citra tumor otak. BEV menghasilkan 12 kombinasi fitur, di mana pada Stage 0 sebanyak 1035 fitur menghasilkan akurasi 93.45%, dan pada Stage 1 sebanyak 539 fitur menghasilkan akurasi tertinggi sebesar 93.84%. Hal ini menunjukkan bahwa BEV efektif dalam mempertahankan akurasi seraya mengurangi kompleksitas dimensi fitur. Eksperimen dilakukan pada dua rasio pembagian data, yaitu 80:20 dan 75:25. Model terbaik diperoleh pada rasio 80:20 dengan 539 fitur, yang menghasilkan akurasi 88.56% dan nilai F1-score, presisi, dan recall masing-masing sebesar 89%. Selain itu, proporsi data training yang lebih besar (80%) terbukti memberikan hasil evaluasi yang sedikit lebih baik dibandingkan dengan rasio 75:25. Penelitian ini membuktikan bahwa kombinasi BEV dan XGBoost merupakan pendekatan yang efektif dalam klasifikasi tumor otak berbasis citra.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Kurniawan, Gregory (00000056349)
Contributors:	Irmina Prasetiyowati, Maria
Keywords:	Bird Eye View, seleksi fitur, tumor otak, XGBoost
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 06:01
URI:	https://kc.umn.ac.id/id/eprint/40060

Actions (login required)

View Item