BENTAR WIJAYA, ARIUS (2013) IDENTIFIKASI PENYAKIT TUBERKULOSIS MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE KOHONEN SOM (SELF ORGANIZING MАР). S1 thesis, Fakultas teknik universitas sultan ageng tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text (fulltext)
Skripsi (1)_compressed.pdf Restricted to Registered users only Download (10MB) |
Abstract
Indonesia merupakan negara terbesar nomor 3 di dunia yang memiliki penderita tuberkulosis setelah India dan Cina, schingga diperlukan suatu perangkat untuk mempermudah dalam identifikasi tingkat keparahan tuberkulosis secara terkomputerisasi. Penelitian ini dilakukan untuk mengidentifikasi tingkat keparahan tuberkulosis menggunakan Kohonen Self-Organizing Map (SOM). dengan melakukan pra-proses citra berupa Contrast Stretching, Region of Interest dan Fast Fourier Transform. Pra-proses ini merupakan nilai masukan yang akan digunakan pada kohonen SOM. Hasil dari pengujian dan simulasi menunjukkan pada citra uji dengan epoch 300 dan learning rate 0.01, 0.1 dan 0.5 didapat akurasi secara berturut-turut adalah 100%, 93% dan 80%. Dari hasil pengujian pada penelitian ini membuktikan bahwa identifikasi tingkat keparahan tuberkulosis dengan Kohonen Self-Organizing Map (SOM) menunjukan akurasi sistem yang tinggi.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | Indonesia is the country's No. 3 in the world who have tuberculosis after India and China, that required a computerized device to indentify severity of tuberculosis. This research was conducted to identify the severity of tuberculosis using a Kohonen Self-Organizing Map (SOM), to pre-process the image in the form of Contrast Stretching, Region of Interest and Fast Fourier Transform. This is a preprocess input values that will be used in the Kohonen SOM. Based on the test and simulation program showed on image training with epoch 300 and learning rate 0.01, 0.1 and 0.5 were obtained value in consecutive 100%, 93% and 80%. From the test results in this study demonstrate that the identification of the severity of tuberculosis by Kohonen Self-Organizing Map (SOM) showed high system accuracy. | |||||||||
| Uncontrolled Keywords: | pengenalan citra, jaringan saraf tiruan, Self Organizing Maps (SOМ), Kohonen. | |||||||||
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering | |||||||||
| Divisions: | 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro | |||||||||
| Depositing User: | SISWA MAGANG FT | |||||||||
| Date Deposited: | 18 Sep 2025 02:46 | |||||||||
| Last Modified: | 18 Sep 2025 02:46 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/54727 |
Actions (login required)
 |
View Item |