FAISAL ASADI (2017) KLASIFIKASI LEUKEMIA ACUTE JENIS ACUTE LYMPHOBLASTIC LEUKEMIA (ALL) DAN ACUTE MYELOGENOUS LEUKEMIA (AML) MENGGUNAKAN LEARNING VECTOR QUANTIZATION DENGAN EKSTRAKSI CITRA DARAH. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER.pdf Download (317kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (981kB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (266kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (331kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (378kB) | Preview |
|
|
Text
6. BAB I.pdf Download (465kB) | Preview |
|
|
Text
7. BAB II.pdf Download (1MB) | Preview |
|
|
Text
8. BAB III.pdf Download (657kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (2MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V.pdf Restricted to Repository staff only Download (2MB) |
|
|
Text
11. BAB VI.pdf Download (394kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA.pdf Download (287kB) | Preview |
Abstract
Kanker terbesar yang menyerang anak-anak berdasarkan data kementerian kesehatan tahun 2015 adalah kanker darah atau leukemia. Salah satu jenis leukemia adalah leukemia acute,yang dibagimenjadiAcute Lymphoblastic Leukemia(ALL) dan Acute Myelogenous Leukemia(AML).LeukemiaAcutedapat dilakukan diagnosis berdasarkan perhitungan darah lengkap pada hapusan darah tepi atau sumsum tulang belakang, tetapi jika dilakukan proses tersebut masih menimbulkan masalah, bahwa prosedur untuk menghitung sel darah leukemia dengan mikroskop secara manualmasihmemerlukan tenaga yang banyakdan waktu yang lama, serta membutuhkan biaya yangmahal dalam melakukan penghitngan sel darah leukemia tersebut. Penyakit leukemia tersebut dapat diidentifikasi serta klasifikasi dengan mengkombinasikan jaringan syaraf tiruan dan pengolahan citra digital. Metode jaringan syaraf tiruan yang digunakandalam penelitian iniadalah Learning Vector Quantization,dengan menggunakan ekstraksi citra sel leukemiaALL dan AML. Ekstraksi citra yang digunakan yaitu dengan menggunakan ekstraksi cirifiturwarna Hue Saturation Value, dan ekstraksi cirifiturtekstur Gray Level Co-Occurence Matrix. Tingkat akurasi tertinggi yang didapatkandari penelitian tersebut berhasil mengenali sel ALL adalahsebesar 93,33%,dengan perbandingan data 80% data latih dan 20% data uji, sedangkan akurasirata-ratatertinggi secara keseluruhan yaitu 70,31% untuk kedua jenis sel tersebut, yang artinya sistem mampu dengan baik mengklasifikasi sel ALL dan AML. Kata Kunci:Klasifikasi Leukemia Acute, Learning Vector Quantization, Ekstraksi Citra Sel, Pengolahan Citra Digital
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 20 Aug 2019 08:20 |
| Last Modified: | 20 Aug 2019 08:20 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/17779 |
Actions (login required)
 |
View Item |