AZKA SALSABILA FATHIMAH HAFIZ (2025) SISTEM DETEKSI PENYAKIT THALASSEMIA MENGGUNAKAN EKSTRAKSI FITUR GRAY LEVEL DIFFERENCE METHOD DENGAN KLASIFIKASI MULTILAYER PERCEPTON. 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 (387kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (817kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (194kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (590kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (11MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (181kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (200kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (714kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (17MB)

Abstract

Thalassemia adalah gangguan genetik yang memengaruhi sintesis hemoglobin, dengan tingkat prevalensi tinggi di negara berkembang, termasuk Indonesia. Dengan data menunjukkan bahwa 7% populasi dunia membawa sifat ini, penting untuk mendeteksi penyakit lebih awal guna menurunkan angka kematian. Penelitian ini menggunakan 3 kelas citra yang terdiri dari Thalassemia sebanyak 511, Iron Deficiency Anemia (IDA) sebanyak 377, dan Normal sebanyak 479 dengan resolusi seluruh citra 3840x2160 piksel. Tahapan penelitian dimulai dengan melakukan Pre-processing pada citra sel darah merah dengan mengubah citra asli (RGB) menjadi Grayscale, lalu tahap peningkatan kontras citra (Image Enhancement), dan tahap (Cropping) pada masing-masing citra dibagi menjadi 4 bagian berdasarkan koordinat piksel, setelah itu citra diekstraksi fitur menggunakan Gray Level Difference Method menggunakan 4 fitur yaitu Contrast, Homogeneity, MeanValue, dan Energy untuk setiap bagian citra crop sehingga jumlah fitur totalnya menjadi 16. Tahap terakhir, fitur yang telah di ekstraksi diklasifikasikan menggunakan algoritma Multilayer Percepton dengan training model One Step Secant (OSS), Levenberg-Marquardt (LM), dan Scaled Conjugate Gradien (SCG). Masing masing training model di running menggunakan Hidden Node 5, 10, 15, dan 20 sebanyak 10 kali. Lalu hasil daripada klasifikasi tersebut akan ditampilakan menggunakan grafik 10-fold cross validation, Confussion Matrix, dan Receiver Operating Characteristic. Hasil penelitian menunjukkan klasifikasi citra sel darah merah dengan model Hidden layer One Step Secant hidden node 15 sebesar 89,84% pada citra validation. Hidden layer Levenberg Marquardt hidden node 10 sebesar 95,97% pada citra training, dan Hidden layer Scaled Conjugate Gradien Hidden Node 15 sebesar 91,11% pada citra testing. Oleh karena itu, penelitian ini membuktikan efektifitas Gray Level Difference Method sebagai metode ekstraksi fitur dan Klasifikasi Multilayer Percepton pada citra sel darah merah untuk diagnosis thalassemia.

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: Thalassemia, Pre-processing, Gray Level Difference Method, Multilayer Percepton, Hidden Layer
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Aidilla Qurotianti
Date Deposited: 13 Feb 2025 02:19
Last Modified: 13 Feb 2025 02:19
URI: https://etd.umy.ac.id/id/eprint/49785

Actions (login required)

View Item View Item