Cahyaningsih, Dwi and Abadi, Agus Maman (2017) OPTIMASI ATURAN FUZZY DALAM SISTEM FUZZY SUGENO ORDE NOL DENGAN FUZZY C-MEANS CLUSTERING PADA DIAGNOSIS KANKER OTAK. S1 thesis, UNY.
![[img]](https://eprints.uny.ac.id/style/images/fileicons/text.png) |
Text
ABSTRAK.docx Download (15kB) |
|
|
Text
AWAL.pdf Restricted to Repository staff only Download (4MB) |
|
|
Text
BAB I.pdf Download (198kB) | Preview |
|
|
Text
BAB II.pdf Download (890kB) | Preview |
|
|
Text
BAB III.pdf Download (194kB) | Preview |
|
|
Text
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
|
Text
BAB V.pdf Restricted to Repository staff only Download (183kB) |
|
|
Text
DAFTAR PUSTAKA.pdf Download (413kB) | Preview |
|
|
Text
LAMPIRAN.pdf Restricted to Registered users only Download (693kB) |
Abstract
Kanker otak adalah salah satu jenis kanker yang terjadi di Indonesia dengan tingkat kematian yang cukup tinggi dengan angka kejadian 1,9 per 100.000 penduduk pada tahun 2012, sedangkan angka mortalitas kanker otak sebanyak 1,3 per 100.000 penduduk. Oleh karena itu, diperlukan adanya deteksi dini dan diagnosis kanker otak. Salah satu cara untuk mendeteksi kanker otak adalah dengan magnetic resonance images (MRI). Tujuan dari penelitian ini adalah menjelaskan langkah-langkah penerapan fuzzy c-means clustering pada sistem fuzzy sugeno orde nol untuk diagnosis kanker otak dan mengetahui tingkat ketepatan dari sistem fuzzy sugeno orde nol. Penelitian ini menggunakan 114 data hasil ekstraksi data MRI yang terdiri dari 90 data latih dan 24 data uji. Sistem fuzzy yang digunakan adalah sistem fuzzy sugeno orde nol dengan 14 variabel input, yaitu contrast, correlation, dissimilarity, energy, entropy, homogeneity, max. probability, sum of squares, sum average, sum variance, sum entropy, diff. variance, diff. entropy, IDM. Sedangkan outputnya terbagi menjadi dua, yaitu otak normal dan otak kanker. Untuk mengoptimalkan keakurasian sistem maka digunakan fuzzy c-means clustering dalam membangun aturan fuzzy dan metode weight average untuk proses defuzzifikasi. Data latih dikelompokkan menjadi 50 cluster menggunakan fuzzy c-means clustering, kemudian hasil keluarannya berupa pusat cluster digunakan untuk membangun aturan fuzzy. Tingkat keakurasian, sensitivitas, dan spesifikasi dari sistem fuzzy sugeno orde nol masing-masing 92,22%, 93,33%, dan 91,11% untuk data latih. Untuk data uji dihasilkan keakurasian 75%, sensitivitas 50%, dan spesifikasi 100%. Keakurasian, sensitivitas, dan spesifikasi menggunakan Radial Basis Function Neural Network (RBFNN) untuk data latih masing-masing 83,33%, 82,9789%, 86,0465%, sedangkan pada data uji dihasilkan keakurasian 91,66%, sensitivitas 85,7142%, dan spesifikasi 100%. Bila dibandingkan dengan penelitian sebelumnya, hasil yang diperoleh untuk data latih dapat dikatakan lebih baik, sedangkan untuk data uji hasil yang diperoleh dengan metode RBFNN lebih baik dan untuk sistem sugeno orde nol masih diperlukan perbaikan guna meningkatkan keakurasian.
| Item Type: | Thesis (S1) |
|---|---|
| Uncontrolled Keywords: | diagnosis kanker otak, fuzzy c-means clustering, Sugeno orde nol, sistem fuzzy |
| Subjects: | Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Matematika |
| Depositing User: | Jurusan Pendidikan Matematika |
| Date Deposited: | 12 Oct 2017 01:36 |
| Last Modified: | 30 Jan 2019 15:19 |
| URI: | http://eprints.uny.ac.id/id/eprint/53210 |
Actions (login required)
 |
View Item |