Analisis Segmentasi pada Text Mining dan Citra Medis untuk Mendukung Object Recognition Berbasis Geotagging

Abstract

Perkembangan teknologi data dan kecerdasan buatan mendorong integrasi berbagai pendekatan analisis, seperti text mining dan pengolahan citra medis, untuk meningkatkan akurasi object recognition. Penelitian ini bertujuan untuk menganalisis metode segmentasi pada data teks dan citra medis sebagai dasar dalam mendukung pengenalan objek berbasis geotagging. Pada text mining, segmentasi dilakukan melalui proses tokenization, stemming, dan ekstraksi fitur untuk mengidentifikasi pola informasi yang relevan. Sementara itu, pada citra medis, segmentasi diterapkan menggunakan metode berbasis thresholding, clustering, serta pendekatan deep learning untuk memisahkan area objek dari latar belakang secara akurat. Data yang digunakan meliputi dataset teks terstruktur dan tidak terstruktur serta citra medis seperti MRI atau CT-scan yang dilengkapi informasi lokasi (geotagging). Hasil penelitian menunjukkan bahwa kombinasi segmentasi pada kedua domain mampu meningkatkan kinerja sistem object recognition, terutama dalam hal akurasi dan efisiensi identifikasi objek yang memiliki keterkaitan spasial. Integrasi geotagging memberikan nilai tambah dengan memungkinkan analisis berbasis lokasi, sehingga mendukung pengambilan keputusan yang lebih kontekstual, khususnya dalam bidang kesehatan dan sistem informasi geografis. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem cerdas yang menggabungkan analisis teks, citra, dan data spasial secara terpadu.