Achmad Zulfikar Aditya (2021) PERBANDINGAN PERFORMA KLASIFIKASI PENYAKIT LEUKIMIA DENGAN MENGGUNAKAN DEEP LEARNING MODEL VGG-16 DAN ResNet-50. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (1MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (2MB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (12kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (24kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (552kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (9kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (126kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (602kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (959kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (8MB)

Abstract

<p>Leukimiamerupakansebuah bentuk dari kanker yang menyerang darah, sumsum tulang, atau sistem limfatik. Leukimiamerujuk pada penyakit pembentuk organ darah progresif atau dapat dibilang penyakit maligna (ganas). Leukimiaakan berdampak buruk pada formasi dan fungsi normal dari sel serta jaringan darah. Pengklasifikasian sel darah putih menjadi salah satu tugas penting yang dapat membantu tim medis untuk dapat mendiagnosis penyakit leukimialebih awal agar pasien mendapatkan penangananlebih efektif. Deep learning menjadi solusi untuk melakukan proses klasifikasi terebut.Penelitian ini bertujuan untuk melihat performa deep learning model VGG-16dan ResNet-50dalam proses klasifikasi citra leukimia. Dalam penelitian ini, masing-masing 600 citra sel darah abnormal dan normal digunakan sebagai bahan penelitian dengan acuan perbandingan akurasi dan waktu latih model dalam klasifikasi.Total 1200 citra terebut diolah menjadi 10 datasetmenggunakan metode 10-fold cross validation.ResNet-50memiliki performalebih baik dengan nilaiakurasi, sensitivitas, spesifisitas, dan presisi rata-rata 100% dibandingkan dengan VGG-16 yang memperoleh nilai akurasi 99,83%, sensitivitas 99,66%, spesifisitas dan presisi 100%. VGG-16 lebih baik dalam durasi yang dibutuhkan untuk proses klasifikasi. VGG-16 hanya membutuhkan rata-rata 2,56 detikdalam tiap fold, lebih cepat 0,14 detik dibandingkan dengan ResNet-50 yang membutuhkan rata-rata waktu sebanyak 2,7detik.</p>

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. and Dhimas Arief Dharmawan, S.T. | NIDN1007058408, NIDN
Item Type: Thesis (S1)
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Unnamed user with email robi@umy.ac.id
Date Deposited: 11 Oct 2021 03:35
Last Modified: 11 Oct 2021 03:35
URI: https://etd.umy.ac.id/id/eprint/3316

Actions (login required)

View Item View Item