Identifikasi Gangguan Neurologis Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

• Main Authors: Jani Kusanti, Sri Hartati
• Format: Article
• Language: English
• Published: Universitas Gadjah Mada 2015-07-01
• Series: IJCCS (Indonesian Journal of Computing and Cybernetics Systems)
• Online Access: https://jurnal.ugm.ac.id/ijccs/article/view/7547

Abstrak Penggunaan metode Adaptive Neuro Fuzzy Inference System (ANFIS) dalam proses identifikasi salah satu gangguan neurologis pada bagian kepala yang dikenal dalam istilah kedokteran stroke ischemic dari hasil ct scan kepala dengan tujuan untuk mengidentifikasi lokasi  yang terkena stroke ischemik. Langkah-langkah yang dilakukan dalam proses identifikasi antara lain ekstraksi citra hasil ct scan kepala dengan menggunakan histogram. Citra hasil proses histogram ditingkatkan intensitas hasil citranya dengan menggunakan threshold otsu sehingga didapatkan hasil pixel yang diberi nilai 1 berkaitan dengan obyek sedangkan pixel yang diberi nilai 0 berkaitan dengan background. Hasil pengukuran digunakan untuk proses clustering image, untuk proses cluster image digunakan fuzzy c-mean (FCM). Hasil clustering merupakan deretan pusat cluster, hasil  data digunakan untuk membangun fuzzy inference system (FIS). Sistem inferensi fuzzy yang diterapkan adalah inferensi fuzzy model Takagi-Sugeno-Kang. Dalam penelitian ini ANFIS digunakan untuk mengoptimalkan hasil penentuan lokasi penyumbatan stroke ischemic. Digunakan recursive least square estimator (RLSE) untuk pembelajaran. Hasil RMSE yang didapat pada proses pelatihan sebesar 0.0432053, sedangkan pada proses pengujian dihasilkan tingkat akurasi sebesar 98,66%   Kata kunci—stroke ischemik, Global threshold, Fuzzy Inference System model Sugeno, ANFIS, RMSE     Abstract             The use of Adaptive Neuro Fuzzy Inference System (ANFIS) methods in the process of identifying one of neurological disorders in the head, known in medical terms ischemic stroke from the ct scan of the head in order to identify the location of ischemic stroke. The steps are performed in the extraction process of identifying, among others, the image of the ct scan of the head by using a histogram. Enhanced image of the intensity histogram image results using Otsu threshold to obtain results pixels rated 1 related to the object while pixel rated 0 associated with the measurement background. The result used for image clustering process, to process image clusters used fuzzy c-mean (FCM) clustering result is a row of the cluster center, the results of the data used to construct a fuzzy inference system (FIS). Fuzzy inference system applied is fuzzy inference model of Takagi-Sugeno-Kang. In this study ANFIS is used to optimize the results of the determination of the location of the blockage ischemic stroke. Used recursive least squares estimator (RLSE) for learning. RMSE results obtained in the training process of 0.0432053, while in the process of generated test accuracy rate of 98.66%   Keywords— Stroke Ischemik, Global threshold, Fuzzy Inference System model Sugeno, ANFIS, RMSE