MUHAMMAD WIRA SAKHA SAVITRI (2025) SISTEM KLASIFIKASI CITRA RED BLOOD CELLS MENGGUNAKAN FITUR MORFOLOGI BERBASIS NEURAL NETWORK. 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 (586kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (13kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (158kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (669kB)
[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 (8MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (11kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (204kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (991kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (435kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (11MB)

Abstract

Thalassemia adalah penyakit gangguan darah genetik yang menyebabkan penurunan produksi hemoglobin, berujung pada komplikasi seperti anemia kronis yang memiliki gejala sakit kepala, mudah lelah, pucat, hingga sesak napas. Oleh karena itu, diperlukan solusi teknologi yang mampu mempercepat proses diagnosis. Penelitian ini bertujuan untuk membantu tenaga medis dengan mengembangkan sistem klasifikasi otomatis berbasis citra mikroskopik sel darah merah (red blood cells/RBC) untuk mendeteksi thalassemia. Sistem ini memanfaatkan algoritma pengolahan citra digital yang mencakup proses grayscaling, enhancement, resize, dan segmentation yang digunakan untuk ekstraksi fitur morfologi dari RBC dengan total 19 fitur sebagai input dalam pelatihan model algoritma klasifikasi neural network. Neural Network digunakan untuk proses klasifikasi memakai model LevenbergMarquardt dan One-Step Secant dengan hidden neuron 5, 10, 15, dan 20. Pelatihan Model tersebut dilakukan sebanyak sepuluh kali percobaan run untuk mengklasifikasikan tingkat keparahan yang dibagi ke dalam tiga kelas, yakni normal, IDA, thalassemia berdasarkan data morfologi yang dihasilkan. Adapun metode yang digunakan dalam pembagian data training, validation, dan testing adalah 10-fold cross-validation, dimana data dibagi menjadi 90% untuk training, 5% validation, dan 5% testing. Hasil akurasi yang digunakan pada sistem klasifikasi berupa training, validation, dan testing dengan performa terbaik pada run ke-4 hidden neuron 20 menggunakan model Levenberg-Marquardt diperoleh akurasi berturut-turut sebesar 100 persen, 100 persen dan 100 persen. Sementara itu, performa terbaik model One-Step Secant pada run ke-5 hidden neuron 20 dengan perolehan akurasi sebesar 97,9% untuk training, 100% validation, dan 95,6% untuk testing. Sehingga penelitian ini menyatakan bahwa model Levenberg-Marquardt lebih efektif dibandingkan model One-Step Secant dalam melakukan klasifikasi citra sel darah merah dengan menggunakan fitur morfologi untuk menentukan tingkat keparahan penyakit thalassemia.

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: Thalassemia, Morphological Features, Neural Network, Red Blood Cell Image, Levenberg-Marquardt
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Eko Kurnawan
Date Deposited: 12 Feb 2025 07:57
Last Modified: 12 Feb 2025 07:57
URI: https://etd.umy.ac.id/id/eprint/49860

Actions (login required)

View Item View Item