Leukemia adalah salah satu jenis kanker yang sangat berbahaya. Kanker ini menyerang sel darah dan sumsum tulang belakang. Salah satu jenis leukemia adalah Acute Lymphoblastic Leukemia (ALL). ALL biasanya menyerang anak-anak. Saat ini untuk mengidentifikasi penyakit ALL masih dilakukan secara manual. Hal ini membuat kurang effisennya waktu dan hasil yang didapatkan. Oleh karena itu, dibutuhkan suatu sistem dapat melakukan identifikasi penyakit leukemia dengan cepat dan hasil yang baik. Di penelitihan ini dilakukan klasifikasi sel darah putih yang normal dan tidak normal untuk mengidentifikasi penyakit Acute Lymphoblastic Leukemia (ALL). Proses awal adalah melakukan segmentasi berbasis HSV Color Space untuk memisahkan sel darah putih dari latar. Proses selanjutnya adalah ekstraksi fitur berdasarkan Fitur Bentuk dan Warna sel darah putih. Sedangkan untuk proses klasifikasinya menggunakan Jaringan Saraf Tiruan Backpropagation. Database citra yang digunakan adalah ALL-IDB2 yang berisi 260 citra sel darah putih, dengan 130 kandidat limfoblastik (Positif ALL). Pengujian pada penelitian ini mengahasilkan akurasi terbaik sebesar 93,1% dengan menggunakan 130 data pelatihan.


Deskripsi Lain

Leukemia is one of hazardous cancer. The cancers usually begin in the bone marrow and found that a high number of white blood cell. The One of a type of leukemia is Acute Lymphoblastic Leukemia (ALL) that usually suffered by the children. The identification of leukemia is still processed manually that needs a long time. Hence, it is required a system which can be identifying leukemia as quickly as a possible and good result. The research aims to classify between normal and abnormal white blood cells on identifying Acute Lymphoblastic Leukemia (ALL). The segmentation process is using HSV color space and to separate white blood cell object between image background. Feature Extraction is applied based on shape and color features. The classification method is applied by using neural network backpropagation. The method is tested on ALL-IDB Images database that contains 260 white blood cell images of 130 lymphoblastic as positive ALL and succeeds with the accuracy of 93,1% by testing on 130 training images.

• Perancangan dan Implementasi Program Aplikasi Ujian Masuk Seleksi Program Minat & Prestasi Universitas Trunojoyo
• Analisis Penerapan Pertanyaan Standar Akuntansi Keuangan (PSAK) No. 59 Tentang Pengelolaan Zakat Pada Bank Syariah Mandiri (Studi Kasus pada Bank Syariah Mandiri Cabang Pamekasan)
• Deteksi Citra Berwarna Menggunakan Kombinasi Matrik Mask Delapan Arah dan Threshold
• Pengaruh faktor-faktor pelayanan terhadap tingkat kepuasan pelanggan pada PT. Perusahaan Daerah Air minum Cabang Bangkalan di Kabupaten Bangkalan
• ANALISIS TINGKAT RISIKO KREDIT PADA PD. BPR BANK DAERAH LAMONGAN