Detail Karya Ilmiah

  • DETEKSI ACUTE LIMFOBLASTIK LEUKIMIA(ALL) PADA CITRA DARAH PUTIH BERBASIS METODE LEARNING VECTOR QUANTIZATION(LVQ)
    Penulis : Nova Kurniawati
    Dosen Pembimbing I : Dr. Arif Muntasa, S.Si., M.T
    Dosen Pembimbing II :Dr. Indah Agustien Siraddjudin, S.Kom.,M.Kom
    Abstraksi

    Acute Lymphoblastic Leukemia (ALL) adalah salah satu jenis leukemia. Leukemia merupakan jenis kanker yang terjadi pada darah dan sumsum tulang belakang. Penyakit Leukemia yang tidak mengenal usia menjadi momok bagi masyarakat karena sering terjadi keterlambatan penanganan. Hal ini terjadi karena mahalnya biaya identifikasi dengan menggunakan reaksi kimia. Menggunakan reaksi kimia ini juga membutuh tenaga dan waktu yang lama. Mengatasi hal tersebut, dilakukan identifikasi leukemia pada citra sel darah putih. Citra darah terdiri dari sel darah putih dan background. Pemisahan sel darah putih dengan background, proses ini dinama proses segmentasi. Metode segmentasi yang dipakai metode morfologi matematis. Proses pencarian ciri menggunakan fitur tekstur metode Gray Level Co-Occurence Matrix (GLCM) dan fitur bentuk. Proses klasifikasi menggunakan metode Learning Vector Quantization(LVQ). Database menggunakan ALL-IDB2 sebanyak 260 citra, terdiri dari 130 citra positif ALL dan 130 citra negatif ALL. Klasifikasi ALL menggunakan Learning Vector Quantization(LVQ) memperlihatkan hasil rata-rata akurasi sebesar 74,59 %.

    Abstraction

    Acute Lymphoblastic Leukemia (ALL) ALL is a kind of leukemia desease. Leukimia is a kind of cancer which happens in blood and spinal cord. Leukemia disease doesn't see the age and it becomes a scourge for society because of Frequent handling delays. This happens because of the high cost of identification using chemistry reaction. Using chemistry reaction also needs power and longer time. to overcome this, it's done the leukimia identification at white blood cell image. Blood image comprises of white blood cell and background. The used segmentation method is mathemathic morfology method. The searching process using Gray Level Co-Occurence Matrix(GLCM) texture method and shape feature. the classification process using Learning Vector Quantization(LVQ) method. Database Using ALL-IDB2 as many as 260 images, consisting of 130 positive ALL images and 130 negative ALL images. The classification of ALL using learning LVQ show the average result of accuracy rate is 74,07%.

Detail Jurnal