<![CDATA[Magnetic Resonance Imaging (MRI) merupakan salah satu cara pemeriksaan diagnostik dalam ilmu kedokteran, khususnya radiologi yang menghasilkan gambaran potongan tubuh manusia secara transversal, koronal, sagital dan paraaksial. Keuntungan yang paling penting dari pencitraan magnetic resonance adalah menerapkan teknik non invasif, yang digunakan untuk memvisualisasikan struktur internal dan fungsi terbatas tubuh secara rinci. Namun pada kenyataannya hasil citra yang dihasilkan oleh MRI memiliki dimensi tinggi, sehingga menyebabkan kesulitan pada proses pengklasifikasian gangguan atau kerusakan jaringan otak. Pendekatan yang mungkin dilakukan adalah dengan mengurangi dimensi data sebelum proses klasifikasi tanpa mengurangi arti dari data. Oleh karena itu, dalam makalah ini diajukan penerapan metode gabungan yaitu: Wavelet yang akan digunakan pada proses ekstrasi fitur dan untuk proses reduksi dimensi akan digunakan metode Normalized Compression Non-Negative Matrix Factorization (NCMF). Matrik kompresi yang dihasilkan dari proses reduksi selanjutnya akan menjadi input bagi proses klasifikasi menggunakan metode Adaptive Neighborhood Modified Backpropagation (ANMBP). Penelitian ini mampu mengintegrasikan antara teknik ekstrasi fitur, reduksi dimensi serta teknik klasifikasi yang diusulkan, pengujian dengan menggunakan dataset MRI otak yang telah ditetapkan menghasilkan nilai rata – rata 91,25% untuk tingkat keakurasiannya.]]>
