Analisis Regresi dan Analisis Diskriminan untuk Mengukur Tingkat Akurasi Feature Citra Termogram

Oky Dwi Nurhayati

Abstract


IntisariAnalisis diskriminan adalah analisis multivariat yang diterapkan untuk memodelkan hubungan antara satu variabel respon yang bersifat kategori dengan satu atau lebih variabel prediktor yang bersifat kuantitatif. Sedangkan analisis regresi bertujuan untuk membentuk sebuah fungsi yang dapat menjelaskan hubungan dua variabel, yaitu variabel penjelas/prediktor (x) dan variabel respon (y). Banyak aplikasi pada bidang kedokteran atau industri yang berhubungan dengan data mining salah satunya untuk pengenalan pola pada citra termogram.

Tujuan dari penelitian ini adalah membandingkan teknik analisis diskriminan atau linear discriminant analysis (LDA) dan analisis regresi pada tingkat akurasi pengenalan pola citra termogram. Penelitian ini menggunakan sampel citra digital termogram payudara yang diambil dari kamera Fluke Ti20. Jumlah sampel yang digunakan adalah 60 citra termogram yang di bagi masing-masing ke dalam tiga kelas yaitu kelas normal, kelas kanker payudara dini, dan kelas payudara lanjut.

Dari penelitian yang telah dilakukan dapat dibuktikan bahwa analisis diskriminan dengan 2 feature (ciri), 3 ciri, dan 5 ciri pada citra termogram memberikan tingkat akurasi 81,7 %. Sedangkan analisis diskriminan dengan 4 ciri pada citra termogram memberikan tingkat akurasi yang paling tinggi yaitu 83,33 %.

Kata kuncitermogram, multivariat, kovarian, ciri, analisis diskriminan

AbstractDiscriminant analysis is a multivariate analysis applied to model the relationship between the response variable is the category with one or more predictor variables that are quantitative. While regression analysis aims to establish a function that can explain the relationship between two variables, namely the explanatory variables / predictors (x) and the response variable (y). Many applications in the medical field or industry related to one of data mining for pattern recognition in the thermogram image.

The aim of this study is to prove the technique of linear discriminant analysis  (LDA) and regression analysis to distinguish the types of thermogram. This study used 60 samples of breast thermograms captured from camera Fluke Ti20. The samples used are images in the thermograms which each classify into three classes, namely breast normal thermogram, early breast cancer thermogram, and advanced breast cancer thermogram.

The result of research, discriminant analysis with  two features, three features, and five features give 81.7% accuracy rate. While discriminant analysis with four features have the highest accuracy rate is 83.33%. Final results of the regression analysis is able to significantly separate the three types of normal, early, and advanced thermogram.

Keywords —  thermogram, multivariate, covarian, feature, discriminat analysis, regression analysis

Full Text:

PDF

Refbacks

  • There are currently no refbacks.