PERBANDINGAN METODE DECISION TREE DENGAN NAÏVE BAYES DALAM KLASIFIKASI TUMOR OTAK CITRA MRI

Abstract

Dalam klasifikasi citra medis pada algoritma Machine learning sudah umum diterapkan, metode Decision Tree dan Naïve Bayes merupakan metode yang sering digunakan dalam hal klasifikasi citra medis. Dengan itu maka dilakukan perbandingan algoritma klasifikasi Decision Tree dan Naïve Bayes untuk mengetahui performa dari metode klasifikasi dengan proses pengolahan citra MRI, dengan pra proses yaitu citra grayscale selanjutnya segmentasi dengan metode K-means clustering dan ekstraksi ciri menggunakan GLCM untuk proses ekstraksi fitur. Penelitian ini, akan menerapkan analisis tekstur dengan contrast, correlation, energy, homogeneity dan untuk mengklasifikasikan citra dengan dua kelas yaitu: Penyakit tumor otak dan tidak penyakit tumor otak. Dari hasil penelitian berdasarkan nilai accuracy, specificity dan sensitivity decision tree lebih tinggi dibanding metode naïve bayes yaitu 96% accuracy, 96% specificity dan 96% sensitivity dan metode naïve bayes 91% accuracy, 90% specificity dan 93% sensitivity