Aisyah Nur Hasanah (2021) PERBANDINGAN KLASIFIKASI CITRA LEUKEMIA DENGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (K-NN) BERDASARKAN EKSTRAKSI FITUR HU MOMENTS. S1 thesis, Universitas Muhammadiyah Yogyakarta.

	Text (Halaman Judul) Halaman Judul.pdf Download (579kB)
	Text (Lembar Pengesahan) Lembar Pengesahan.pdf Restricted to Registered users only Download (571kB)
	Text (Abstrak) Abstrak.pdf Restricted to Registered users only Download (172kB)
	Text (Bab I) Bab I.pdf Download (199kB)
	Text (Bab II) Bab II.pdf Restricted to Registered users only Download (642kB)
	Text (Bab III) Bab III.pdf Restricted to Registered users only Download (643kB)
	Text (Bab IV) Bab IV.pdf Restricted to Registered users only Download (1MB)
	Text (Bab V) Bab V.pdf Restricted to Registered users only Download (187kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Restricted to Registered users only Download (222kB)
	Text (Lampiran) Lampiran.pdf Restricted to Registered users only Download (7MB)
	Text (Naskah Publikasi) Naskah Publikasi.pdf Restricted to Registered users only Download (302kB)
	Text (Full Text) Full Text.pdf Restricted to Repository staff only Download (10MB)

Abstract

<p>Penyakit leukemia adalah kanker yang menyerang jaringan sel-sel darah putih. Leukemia terjadi ketika tubuh memproduksi sel-sel darah yang tidak normal dengan jumlah yang melebihi batas normal sehingga tidak dapat berfungsi dengan semestinya. Hal tersebut sangat berpengaruh pada sistem kekebalan tubuh pada manusia. Saat ini tenaga medis memerlukan waktu yang cukup lama dalam mengenali penyakit leukemia dan sulitnya membedakan antara sel leukemia akut dengan sel yang normal. Sehingga dalam penelitian ini bertujuan untuk membangun sebuah program sistem dengan menggunakan citra sel darah putih dengan teknik pengolahan citra menggunakan ekstraksi fitur dengan metode hu moments dan metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Pada penelitian ini menggunakan jumlah data 800 sampel citra darah yang dibagi menjadi dua kelas yaitu kelas akut dan kelas normal dengan masing-masing kelas memiliki 400 citra sampel. Berdasarkan hasil pengujian dilihat dari hasil perbandingan perhitungan nilai rata-rata akurasi dan training time pada kedua metode. Nilai akurasi tertinggi diperoleh metode SVM dengan akurasi sebesar 88,03

Dosen Pembimbing:	Yessi Jusman, S.T., M.Sc., Ph.D. and Kunnu Purwanto, S.T., M.Eng. | NIDN1007058408, NIDN0519098302
Item Type:	Thesis (S1)
Divisions:	Fakultas Teknik > S1 Teknik Elektro
Depositing User:	Unnamed user with email robi@umy.ac.id
Date Deposited:	14 Dec 2021 06:49
Last Modified:	14 Dec 2021 06:51
URI:	https://etd.umy.ac.id/id/eprint/5132

Actions (login required)

View Item