ABSTRAKSI: Tugas akhir ini bertujuan menghasilkan suatu alat bantu berbasis software untuk para radiolog dalam mendiagnosa citra MRI serta mempermudah dalam mengklasifikasikan tipe kelainan tumor otak yang secara umum diklasifikasikan menjadi 2, yaitu Benigna dan Maglinan. Dalam hal ini, pendeteksian tumor otak ini terdiri dari 3 bagian utama, yaitu: preprocessing, segmentasi dan pengenalan pola (klasifikasi ciri). Metode Morphological Gradient digunakan untuk mendapatkan sub-citra MRI. Kemudian dilakukan proses segmentasi dengan menggunakan transformasi watershed. Setelah hasil segmentasi diperoleh dilakukan ekstraksi ciri dengan pendekatan ciri statistik. Pada proses ekstraksi ciri akan dihasilkan fitur tertentu yang kemudian akan dikenali dengan metode klasifikasi K-NN. Penggunaan segmentasi watershed ini terbukti dapat memisahkan objek yang berupa tumor dari background, sekalipun tepi antar objek bersambungan. Pengujian ini dilakukan dengan inputan citra hasil dari MRI dalam format .jpg dengan menggunakan pendekatan statistik. Secara keseluruhan hasil pengenalan pola dengan menggunakan metode klasifikasi K-NN mendapatkan akurasi sebesar 85.80 %.
Kata Kunci : Magnetic Resonance Imaging, morphological gradient, transformasi watershed, ekstraksi ciri, klasifikasi K-NN.ABSTRACT: This project aims to produce a tool to diagnose MRI and make it easier to classify brain tumor into two generally types benign, or malignant type. In this case, the system of brain tumor detection consists of three main parts, i.e preprocessing, segementation, and classify. Morphological Gradient method is used to get sub-image of MRI. Then do the segmentation process with Watershed Transformation. After getting the segmentation result, it is proceed by feature extraction with statistical feature approach. Feature extraction produces curent feature that is detected by K-NN Classification method. Watershed transformation can separate image of tumor from the backgroud image even if the edge between continuous objects. The test is performed with the results of the MRI input image in. jpg format by using a statistical approach. Overall, the results of pattern recognition by using K-NN obtain an accuracy of 85.80 %.
Keyword: Magnetic Resonance Imaging, morphological gradient, watershed transform, statistical approach, K-NN clasification