@thesis{thesis,
		author={Anwar  Saeful},
		title ={DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM},
		year={2014},
		url={http://eprints.umk.ac.id/2926/},
		abstract={Secaraumum, kankerotakadalahsebuahpenyakit yang timbuldaripembelahansel-selotak yang tidakwajardandapatmenyebarkeseluruhbagianotak yang lain. Diagnosakankerotakdapatdilakukanmelaluipemeriksaanmagnetic resonance imaging (MRI). Magnetic resonance imaging (MRI) merupakanpemeriksaandenganmenggunakanmedan magnet danresonansigetaranterhadapinti atom hidrogen yang dapatmenghasilkanrekamangambar organ manusia yang biasadigunakandokteruntukmendeteksidanmendiagnosapasiennya. Terkadang, seorangdoktermengalamikesulitandalammendiagnosapasienkankerotakdikarenakanperbedaanpersepsidananalisissaatmelihathasilcitra MRI.Discrete wavelet transform(DWT) merupakanmetodeekstraksifitur yang berfungsiuntukmencaricirikhususatauciriobjek yang terdapatpadasebuahcitra MRI. Padapenelitianiniakandibahasmetodepengolahancitra digital sebagaimetodeperbaikandananalisisctirasertajaringansyaraftiruanbackpropagationyang digunakansebagaimetodepengenalandanklasifikasicitra MRI otakmanusia. Hasilklasifikasiiniadalah MRI normal dan abnormal. Tingkat akurasi yang paling baik pada sistem deteksi kanker otak yang dirancang adalah 100% untuk data training dan 80% untuk data testing.}
		}