📚 Eksplorasi & Komparasi Topik Dokumen

KLASIFIKASI CITRA MEDIS DENGAN PENDEKATAN KERNEL BASED GAUSSIAN COPULA PROCESS : STUDI KASUS KLASIFIKASI CITRA MRI TUMOR DAN NON-TUMOR

Klasifikasi gambar merupakan permasalahan penting dalam Machine Learning (ML) yang bertujuan untuk memetakan citra ke dalam kelas tertentu berdasarkan pola visual. Namun, karakteristik data gambar yang berdimensi tinggi, memiliki distribusi marginal non-Gaussian, serta hubungan non-linear antar fitur menyebabkan metode klasik sering kali kurang optimal. Penelitian ini mengusulkan penggunaan Kernel Based Gaussian Copula Process (KCP) untuk klasifikasi gambar. Metode ini memisahkan pemodelan distribusi marginal dan struktur dependensi, di mana distribusi marginal dimodelkan secara fleksibel, sedangkan dependensi antar data direpresentasikan melalui kernel dalam ruang laten Gaussian. Transformasi copula digunakan untuk memetakan data ke ruang Gaussian sehingga dapat dimodelkan menggunakan Gaussian Process. Data gambar direpresentasikan dalam bentuk fitur numerik, kemudian dilakukan proses pelatihan dan pengujian model. Kinerja model dibandingkan dengan metode klasik, yaitu Logistic Regression, Gaussian Process Classification, dan Mixture of Gaussian. Selain itu, dilakukan analisis sensitivitas terhadap variasi jumlah data latih serta terhadap gangguan noise pada citra. Hasil penelitian menunjukkan bahwa model KCP memberikan performa klasifikasi yang lebih baik dibandingkan metode klasik, serta memiliki stabilitas yang tinggi terhadap perubahan data dan noise. Hal ini menunjukkan bahwa pendekatan berbasis copula mampu meningkatkan fleksibilitas dan akurasi dalam klasifikasi data gambar.