Magnetic Resonance Imaging (MRI) adalah salah satu cara dokter dalam
memeriksa dan mengambil gambar organ, jaringan dan sistem rangka dengan
solusi tinggi. Hasil dari MRI akan tersimpan pada memori computer rumah sakit
dalam waktu yang lama sebagai arsip pemeriksaan pasien. Dengan ukuran data
yang besar serta jumlah yang bertambah mengharuskan komputer di rumah sakit
memiliki memori yang besar. Motivasi utama dalam pengembangan Compressive
Sensing (CS) di MRI adalah keinginan untuk mengurangi jumlah data yang
diperlukan dalam membuat gambar. CS adalah sebuah metode dimana proses
pengambilan tiap sample/akuisisi dan kompresi dilakukan secara bersamaan.
Pada Tugas Akhir ini telah dilakukan perancangan sistem untuk reoksntruksi
menggunakan data video MRI otak dengan penyakit Alzeimer, data MRI video
otak normal, data video MRI tulang punggung dan data video MRI infarct.
Metode dalam tugas akhir adalah CS dengan menggunakan metode Iteratively
Reweighted Least Squares(IRLS). Pada sistem ini menggunakan transformasi
sparsity dengan teknik Discrete Cosine Transform(DCT) dan untuk transformasi
proyeksi digunakan teknik Gaussian.
Hasil yang diperoleh dari pengujian MRI video yaitu nilai Structural Similary
Index Measure(SSIM) tertinggi saat parameter Measurement Rate(MR) 90% yaitu
satu untuk semua resolusi data MRI otak normal. Nilai Mean Square Error(MSE)
terkecil saat parameter MR 90% yaitu nol untuk semua resolusi data MRI otak
normal. Peak Signal to Noise Ratio(PSNR) tertinggi saat parameter MR 90%
yaitu tak hingga untuk semua resolusi data MRI otak normal.
Kata Kunci: Magnetic Resonance Imaging, Compressed Sensing, Iteratively
Reweighted Least Squares, Discrete Cosine Transform