Sistem Deteksi Bagian Tubuh Janin pada Gambar USG 2D untuk Pengukuran Biometrik dengan Kombinasi Metode Aggregated Channel Features (ACF) Detector dan Faster R-CNN

Wijaya, Muhammad Rajib Arif (2021) Sistem Deteksi Bagian Tubuh Janin pada Gambar USG 2D untuk Pengukuran Biometrik dengan Kombinasi Metode Aggregated Channel Features (ACF) Detector dan Faster R-CNN. Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

	Text ABSTRAK.pdf Download (801kB)
	Text BAB 1.pdf Restricted to Repository staff only Download (23kB) | Request a copy
	Text BAB 2.pdf Restricted to Repository staff only Download (545kB) | Request a copy
	Text BAB 3.pdf Restricted to Repository staff only Download (583kB) | Request a copy
	Text BAB 4.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text BAB 5.pdf Restricted to Repository staff only Download (137kB) | Request a copy
	Text LAMPIRAN.pdf Download (204kB)
	Text JURNAL.pdf Download (631kB)
	Text JURNAL TURNITIN.pdf Download (2MB)

Abstract

Pengukuran biometrik merupakan tahapan yang sangat penting untuk mengetahui kondisi janin yang berupa perkiraan umur janin, status gizi janin, serta estimasi berat janin, oleh karena itu kesalahan dalam perkiraan kesehatan janin dapat menyebabkan meningkatnya risiko kematian dan kelainan pada janin. Ketepatan pengenalan area tubuh janin ini akan mempengaruhi akurasi dari hasil pengukuran biometrik janin, seperti pengukuran diameter kepala (biparietal diameter), pengukuran lingkar perut (abdominal circumference) serta pengukuran panjang alat gerak janin (femur length). Ukuran-ukuran biometrik ini digunakan untuk memprediksi berat janin dalam kandungan atau memprediksi usia janin. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk membuat sistem deteksi bagian tubuh janin yaitu bagian kepala, perut dan femur secara otomatis pada gambar USG 2D menggunakan gabungan metode deteksi obyek ACF Detector yang merupakan metode non deep-learning dan Faster R-CNN yang merupakan metode deep learning. Sistem ini terdiri dari empat tahapan utama yaitu tahap reduksi noise, penerapan ACF detector, penerapan metode CNN dan penerapan metode Faster R-CNN. Tahap reduksi noise bertujuan untuk menghilangkan speckle noise, dengan menerapkan metode Speckle Reducing Anisotropic Diffusion (SRAD). Metode ACF Detector digunakan pertama kali untuk mendapatkan obyek-obyek pada gambar yang bukan bagian kepala, bagian perut, dan bagian femur, yang selanjutnya disebut dengan citra negatif. Hasil deteksi yang berupa citra negatif ini selanjutnya digunakan sebagai data training pada tahapan metode CNN menggunakan jaringan pretrained AlexNet. Data training pada tahapan ini terdiri dari citra positif yaitu gambar obyek bagian perut, bagian kepala dan bagian femur serta citra negatif. Selanjutnya hasil pembelajaran metode CNN digunakan pada tahap metode Faster R-CNN untuk mendeteksi objek pada citra yang dikelompokkan menurut bagian tubuh janin seperti bagian kepala, perut, dan femur. Sistem ini berhasil mendeteksi keseluruhan obyek dan tingkat presisi bounding box dari 50 data uji, sistem ini memiliki akurasi sebesar 90% dari hasil 50 data uji. Hasil evaluasi average precision masing-masing kelas mendapatkan 0.9718 untuk bagian kepala (head), kemudian bagian perut (abdominal) mendapatkan hasil 0.9142, sedangkan bagian paha (femur) mendapatkan hasil terendah yaitu 0.7055.

Actions (login required)

View Item