View/Open

Author
Daniel, Sipangkar

Advisor
Meida , Cahyo Untoro, S.Kom., M.Kom.
Radhinka, Bagaskara, S.Si.Kom., M.Si., M.Sc.

Koleksi
Teknik Informatika

Publisher

Tumor otak merupakan perkembangan sel otak secara masif yang dapat mengganggu fungsi dan kinerja otak. Tumor otak dapat dideteksi dengan memanfaatkan alat MRI. Citra hasil MRI dianalisa oleh ahli radiologi untuk memberikan diagnosa kepada pasien, cara lain adalah dengan memanfaatkan pembelajaran mesin untuk memberikan deteksi otomatis. Salah satu algoritma pembelajaran mesin yang dapat digunakan adalah KNN. Namun hasil klasifikasi KNN dipengaruhi oleh metode perhitungan jarak dan nilai k yang digunakan. Penelitian ini bertujuan untuk mengetahui perbandingan performa dari metode perhitungan jarak euclidean, manhattan dan cosine pada algoritma K-Nearest Neighbor untuk klasifikasi citra MRI otak. Sebanyak 200 citra yang diperoleh dari platform kaggle akan digunakan pada penelitian ini. Dengan menggunakan metode evaluasi confusion matrix ditunjukkan bahwa metode euclidean distance memiliki performa yang lebih baik yaitu akurasi terbaik 82.5%, presisi 78.3%, dan recall 90%, sedangkan manhattan distance yang memiliki akurasi 80

URI
https://repo.itera.ac.id/depan/submission/SB2304030014

Keyword