DIAGNOSA DERAJAT LUKA BAKAR MENGGUNAKAN UNITED MOMENT INVARIANT (UMI) DAN LEARNING VECTOR QUANTIZATION (LVQ)
Total View This Week0
Total View This Week0
Institusion
Universitas Sriwijaya
Author
ADE WIRANATA PUTRA (STUDENT ID : 09021381320033)
Samsuryadi Samsuryadi (LECTURER ID : 0004027101)
Yoppy Sazaki (LECTURER ID : 0006067406)
Samsuryadi Samsuryadi (LECTURER ID : 0004027101)
Yoppy Sazaki (LECTURER ID : 0006067406)
Subject
R858-859.7 Computer applications to medicine. Medical informatics
Datestamp
2019-10-01 03:03:39
Abstract :
Penelitian m1 mengimplementasikan jaringan syaraf Learning Vector Quanti=ation dalam mengklasifikasiluka bakar melalui sebuah citra untuk mengklasifikasi derajat dari Iuka bakar tersebut. United Moment Invariant digunakan sebagai metode ekstraksi ciri dan l earning Vector Quanlization sebagai metode klasifikasi. Klasifikasi derajat Iuka bakar tcrdi ri dari tiga fase, yaitu deteksi, ekstraksi ciri dan klasifikasi. Deteksi Iuka bakar menggunakan metode deteksi tepi (sobel). Setelah melalui tahap dctcks i, citra Iuka bakar tersebut kemudian dibagi menjadi 8 neuron menggunakan metode Unil ed Moment lnmriant sebagai metode ekstraksi ciri. Hasil 8 neuron tersebut digunakan sebagai m asukan untuk metode klasifikas i dcngan learning Ve ctor Quantization. Pada penelitian ini learning rate yang digunakan ialah 0.1 , 0.6 dan 0.9, penggunaan learning rate yang scmakin kecil dapat mempelajari pola dari citra masukan lebih baik akan tetap i apabila learning rate yang terlalu kccil akan menyebabkan proses pelatihan memakan waktu yang lebih lama. schingga keefisicnan menjadi berkurang. Pcnclitian in i menggunakan data sekunder scbanyak 96 citra Iuka bakar dengan akurasi tertinggi 87. 5 pada learning rate 0, 1.
Penelitian m1 mengimplementasikan jaringan syaraf Learning Vector Quanti=ation dalam mengklasifikasiluka bakar melalui sebuah citra untuk mengklasifikasi derajat dari Iuka bakar tersebut. United Moment Invariant digunakan sebagai metode ekstraksi ciri dan l earning Vector Quanlization sebagai metode klasifikasi. Klasifikasi derajat Iuka bakar tcrdi ri dari tiga fase, yaitu deteksi, ekstraksi ciri dan klasifikasi. Deteksi Iuka bakar menggunakan metode deteksi tepi (sobel). Setelah melalui tahap dctcks i, citra Iuka bakar tersebut kemudian dibagi menjadi 8 neuron menggunakan metode Unil ed Moment lnmriant sebagai metode ekstraksi ciri. Hasil 8 neuron tersebut digunakan sebagai m asukan untuk metode klasifikas i dcngan learning Ve ctor Quantization. Pada penelitian ini learning rate yang digunakan ialah 0.1 , 0.6 dan 0.9, penggunaan learning rate yang scmakin kecil dapat mempelajari pola dari citra masukan lebih baik akan tetap i apabila learning rate yang terlalu kccil akan menyebabkan proses pelatihan memakan waktu yang lebih lama. schingga keefisicnan menjadi berkurang. Pcnclitian in i menggunakan data sekunder scbanyak 96 citra Iuka bakar dengan akurasi tertinggi 87. 5 pada learning rate 0, 1.
File :
RAMA_55201_09021381320033_0004027101_0006067406_01_front_ref.pdf
RAMA_55201_09021381320033_0004027101_0006067406_02.pdf
RAMA_55201_09021381320033_0004027101_0006067406_03.pdf
RAMA_55201_09021381320033_0004027101_0006067406_04.pdf
RAMA_55201_09021381320033_0004027101_0006067406_05.pdf
RAMA_55201_09021381320033_0004027101_0006067406_06_ref.pdf
RAMA_55201_09021381320033_0004027101_0006067406_07_lamp.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
