Klasifikasi Tumor Otak Menggunakan Ekstraksi Fitur HOG dan Support Vector Machine
Teks penuh
Dokumen terkait
Dari hasil pengujian dengan metode klasifikasi SVM akurasi yang didapat pada pengujian karakter hasil ekstraksi fitur dengan menggunakan 25 zona pada
Untuk melakukan klasifikasi ambil dataset hasil preprocessing dan ekstraksi fitur yang disimpan dalam bentuk matrik dengan menggunakan fungsi load matlab
Judul Penelitian : Identifikasi daun Shorea dengan Backpropagation Neural Network menggunakan ekstraksi fitur Discrete Wavelet Transform dan Ekstraksi Warna
Dalam penelitian ini diuraikan mengenai hasil perbaikan citra MRI otak, ekstraksi fitur GLCM, hasil optimasi parameter SVM, klasifikasi menggunakan SVM, dan analisis dari hasil
Pada aplikasi matlab dengan hasil klasifikasi menggunakan metode GLCM dan SVM berhasil mengidentifikasi antara tumor otak jinak dan ganas dengan baik dengan tingkat
Metode yang digunakan dalam penelitian ini adalah Discrete Wavelet Transform (DWT) sebagai metode ekstraksi ciri yang mampu untuk menguraikan suatu sinyal yang diberikan menjadi
Dari hasil pengujian dengan metode klasifikasi SVM akurasi yang didapat pada pengujian karakter hasil ekstraksi fitur dengan menggunakan 25 zona pada
Simpulan Hasil penelitian klasifikasi citra daun herbal menggunakan perbandingan metode KNN dan SVM dengan ekstraksi fitur fourier descriptor, metode KNN menghasilkan akurasi 96%,
