Millasari, Chindy Puspita (2016) IDENTIFIKASI CITRA RADIOGRAFI PANORAMIK UNTUK MEMBEDAKAN PENYAKIT KISTA DAN TUMOR PADA RONGGA MULUT DENGAN METODE BACKPROPAGATION. S1 thesis, Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
IDENTIFIKASI CITRA RADIOGRAFI PANORAMIK UNTUK MEMBEDAKAN PENYAKIT KISTA DAN TUMOR PADA RONGGA MUL.PDF - Published Version Restricted to Registered users only Download (7MB) |
Abstract
The oral cavity is the main door entry of food into our bodies. But too often the oral hygiene becomes less attention, although not rare oral cavity diseases originated from the leftovers stacked and not cleaned. One of the diseases of the oral cavity are often found in Poli Dental Hospitals in Indonesia are cysts and tumors. Determination of cysts and tumors through paranomik image can hardly be distinguished by naked eye, depending on the knowledge and experience of the dentist as well as on the results of the analysis of the radiologist. The preferred solution is to help the process of identifying lesions cysts and tumors in vast amounts of data, but with a relatively shorter time with the aid of a computer (automatic). The purpose of this study was to determine how the identification to distinguish cysts and tumors in the oral cavity which has some similarities clinical characteristics with a series of segmentation with active contour, feature extraction with GLCM (gray level cooccurence matrix) and classification with artificial neural network, backpropagation using MATLAB software. Backpropagation network will be trained three category of data cysts, tumors and not both will then be tested 10 times by doing pole method is exchanging training data and test data. The percentage of success is based on 10 test using artificial neural network, backpropagation amounted to 95.42%. While the percentage of success is based on identification using artificial neural network, backpropagation of 93.89% with a percentage of 95.3% of cysts, tumors of 95.3% and not both the size of 91.08%. This system can identify lesions cysts and tumors in the mouth of vast amounts of data and with a relatively short time.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | Rongga mulut merupakan pintu utama masuknya makanan ke dalam tubuh kita. Namun sering kali kebersihan mulut menjadi hal yang kurang diperhatikan, padahal tak jarang penyakit rongga mulut berawal dari sisa-sisa makanan yang tertumpuk dan tidak dibersihkan. Salah satu penyakit rongga mulut yang sering ditemukan pada Poli Gigi Rumah Sakit di Indonesia adalah Kista dan Tumor. Penentuan kista dan tumor melalui citra paranomik sangat sulit dibedakan secara kasat mata, tergantung pengetahuan dan pengalaman dokter gigi serta pada hasil analisis radiolog. Solusi yang diinginkan adalah membantu proses pengklasifikasian lesion kista dan tumor dalam jumlah data yang banyak namun dengan waktu yang relatif lebih singkat dengan bantuan komputer (otomatis). Tujuan dari penelitian ini adalah mengetahui cara kerja pengidentifikasian untuk membedakan kista dan tumor pada rongga mulut yang mempunyai kemiripan ciri klinis dengan serangkaian proses segmentasi dengan active contour, ekstraksi ciri dengan GLCM (gray level cooccurence matrix) dan identifikasi dengan artificial neural network, backpropagation dengan menggunakan software MATLAB. Jaringan backpropagation akan dilatih data ketiga kategori kista, tumor dan kista/tumor kemudian akan diuji sebanyak 10 kali dengan melakukan metode pole yaitu saling menukar data latih dan data uji. Persentase keberhasilan berdasarkan 10 pengujian menggunakan artificial neural network, backpropagation sebesar 95,42%. Sementara presentase keberhasilan berdasarkan perkategorinya menggunakan artificial neural network, backpropagation sebesar 93.89% dengan presentase kista sebesar 95.3%, tumor sebesar 95.3% dan bukan keduanya sebesar 91.08%. Sistem ini dapat mengidentifikasi lesion kista dan tumor mulut dalam jumlah data yang banyak dan dengan waktu yang relatif singkat | |||||||||
| Uncontrolled Keywords: | Active Contour, GLCM (gray level cooccurence matrix) dan Artificial Neural Network, Backpropagation. Active Contour, GLCM (Gray Level Cooccurence Matrix) dan Artificial Neural Network, Backpropagation. | |||||||||
| Subjects: | T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering |
|||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro |
|||||||||
| Depositing User: | Perpustakaan Pusat | |||||||||
| Date Deposited: | 14 Apr 2022 09:55 | |||||||||
| Last Modified: | 14 Apr 2022 09:55 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/12688 |
Actions (login required)
 |
View Item |