Marissa Cristianti
Sjakhyakirti University

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Arsitektur U-Net pada Segmentasi Citra Hati sebagai Deteksi Dini Kanker Liver Therezia Naraloka; Lucky Indra Kesuma; Ade Sukmawati; Marissa Cristianti
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6669

Abstract

Hati adalah salah satu organ tubuh manusia yang bertanggung jawab untuk mencerna, meyerap, dan memproses makanan serta berfungsi untuk menyaring darah dari saluran pencernaan sebelum dibawa kebagian organ tubuh lainnya. Hati sangat rentan terhadap berbagai penyakit, salah satunya yaitu kanker liver. untuk itu perlu dilakukannya deteksi sejak dini atau diagnosa terhadap organ hati. Untuk mengatasi permasalahan tersebut, pada penelitian ini dilakukan segmentasi hati menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur U-Net pada citra hati. Langkah awal pada penelitian ini dilakukan pre-processing data yang menerapkan teknik green channel, histogram equalization (HE), dan contrast limited adaptive histogram equalization (CLAHE). Setelah itu dilakukan proses segmentasi sesuai dengan metode yang diusulkan. Penelitian ini menggunakan dataset hati yang didapatkan dari website Kaggle. Hasil penelitian menggunakan metode CNN arsitektur U-Net pada data mendapatkan nilai akurasi sebesar 97,62%, sensitivitas sebesar 89,84%, spesifisitas sebesar 98,37%, koefisen jaccard sebesar 76,99%, dan dice similarity coefficient (DSC) sebesar 87%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode yang diusulkan memiliki hasil yang sangat baik dalam melakukan segmentasi terhadap citra hati.