DETEKSI SEL DARAH MERAH NORMAL DAN ABNORMAL MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ)

71130043, HOO SIEN LIE (2018) DETEKSI SEL DARAH MERAH NORMAL DAN ABNORMAL MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ). Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71130043_bab1_bab5_daftarpustaka.pdf Download (329kB)
	Text (Skripsi Informatika) 71130043_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Darah merupakan cairan dalam tubuh manusia yang berperan penting dalam mekanisme kerja tubuh. Darah berfungsi sebagai alat transportasi masal yang mengangkut oksigen ke seluruh jaringan tubuh. Sel darah merah merupakan salah satu bagian penting dari darah yang sangat berperan dalam penentuan jenis penyakit, penentuan golongan darah, dan menjaga sistem kekebalan tubuh. Sel darah merah juga merupakan tipe sel darah yang jumlahnya paling banyak dalam darah. Untuk memproses citra, terlebih dahulu melakukan pre processing sebelum masuk ke pengujian. Untuk mendapatkan nilai yang nantinya akan diolah ke pengujian, dilakukan pengambilan ekstraksi ciri bentuk terlebih dahulu. Lalu data dilatih untuk menentukan learning rate, error rate, dan maxEpoch yang akan digunakan untuk proses pengujian. Proses yang digunakan pada ekstraksi ciri bentuk adalah penggunaan roundness, eccentricity, dan momen invariant. Pada tahap pengujian, penulis menggunakan metode learning vector quantization. Metode tersebut digunakan untuk mengklasifikasikan bentuk sel darah merah normal dan abnormal dengan data pengujian. Data yang digunakan untuk proses pelatihan terdiri dari 120 citra sel darah merah yang difoto dari mikroskop. Kemudian akan diujikan menggunakan 40 data uji yang dibagi menjadi 2 bagian yaitu 25 data uji 1 untuk mecari pasangan learning rate, error rate, dan maxEpoch dan 15 data uji 2 untuk pengujian sistem. Hasil dari pengujian sistem dapat menghasilkan akurasi sebesar 78%.

Actions (login required)

View Item