Leukimia atau kanker darah merupakan penyakit yang menyebabkan produksi sel darah putih berlebih dan tidak terkendali.Hal ini dapat menyebabkan aliran darah menjadi terganggu. Diagnosa leukimia melalui pemeriksaan darah lengkap atau dikenal dengan CBC (complete blood cell count) untuk mendeteksi sel darah putih yang tidak normal (blast cell). Prosedur pemeriksaan yang ada saat ini tidak menyediakan catatan penelusuran diagnosa dan membutuhkan waktu yang lama. Perlu adanya upaya dalam mengurangi waktu dan menyedikan keperluan diagnosa medis yaitu dengan melakukan identifikasi leukemia berdasarkan pengujian citra darah yang disemir yang melalui proses pengambilan gambar menggunakan mikroskop dengan teknik pengolahan citra. Penelitian ini bertujuan untuk mengklasifikasikan sel darah putih atau WBC (White Blood Cell) yang normal dan tidak normal untuk mengidentifikasi penyakit leukemia jenis Acute Lymphoblastic Leukemia (ALL) menggunakan metode klasifikasi Naive Bayes berdasarkan fitur bentuk dan densitometrik. Sedangkan database yang digunakan adalah ALL-IDB2 yang terdiri dari 130 citra sel darah putih tidak normal (limfoblastik) dan 130 citra sel darah putih normal. Hasil pengujian yang dilakukan menggunakan 130 data pelatihan memberikan akurasi paling maksimal sebesar 84.61% .


Deskripsi Lain

Leukemia or white blood cell cancer is one of disease that causes producing of white blood cell excess and uncontrolled. This case can be causing bloodstream can be distracted. The recognition of Leukemia through Complete Blood Cell Count (CBC) to detect abnormal white blood cell ( blast cell) . The procedures didn’t provide records of diagnosis and need a long time. In Regarding this cases to reduce the time and provide the record of diagnosis on identifying leukemia based on image processing. The research purposes to classify white blood cell between normal cell and blast cell to identify leukemia disease type of Acute Lymphoblastic Leukemia (ALL) by using Naive Bayes classification based on shape and densitometric features. The proposed method is applied on images of the ALL-IDB2 database that consists of 130 normal white blood cell images and 130 abnormal cell images (blast cell). The result of testing on 130 training data images and succeed with the accuracy of 84,61%.

• Pengaruh Dosis Pemberian Pupuk SP.36 Terhadap Pertumbuhan Dan Hasil Tanaman Bawang Merah ( Allium Ascalonicum, L )
• Faktor-faktor yang mempengaruhi kebijaksanaan pemberian kredit usaha kecil pada Bank Rakyat Indonesia cabang Bangkalan
• Developing an Essentially Unidimensional Test With Cognitively Designed Items
• Small and Medium Enterprises Development Policies in Papua
• Strategi Industri Kecil: Kasus pada Beberapa Industri Kecil di Yogyakarta dan Surakarta