SEDAYU, Muhammad Hendrick (2023) Analisis Akurasi Metode Naïve Bayes pada Klasifikasi Citra Sel Blast Tersegmentasi K-Means Clustering berdasarkan Ciri Struktur dari Morfologi dan Tekstur. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Muhammad Hendrick Sedayu-H1A019060-Skripsi-2023.pdf Download (40kB)
	PDF (Legalitas) LEGALITAS-Muhammad Hendrick Sedayu-H1A019060-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Download (64kB)
	PDF (BabI) BAB-I-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Restricted to Repository staff only until 2 August 2024. Download (125kB)
	PDF (BabII) BAB-II-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Restricted to Repository staff only until 2 August 2024. Download (342kB)
	PDF (BabIII) BAB-III-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Restricted to Repository staff only until 2 August 2024. Download (83kB)
	PDF (BabIV) BAB-IV-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Restricted to Repository staff only Download (681kB)
	PDF (BabV) BAB-V-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Download (89kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Download (149kB)
	PDF (Lampiran) LAMPIRAN-Muhammad Hendrick Sedayu-H1A019060-skripsi-2023.pdf Restricted to Repository staff only Download (439kB)

Abstract

Sel darah putih terbagi menjadi tiga jenis,jenis-jenis ini merupakan perkembangan dari sel darah putih immature myeloblast dan lymphoblast. Acute Myeloid Leukemia (AML) dan Acute Lymphoblastic Leukemia (ALL) adalah jenis penyakit leukemia yang memiliki tingkat pertumbuhan penderita yang tinggi setiap tahunnya. Di Amerika, terdapat sekitar 21.000 kasus baru AML dan sekitar 6.000 kasus baru ALL yang terdeteksi setiap tahunnya. Banyak penelitian yang dilakukan dalam bidang komputerisasi untuk proses identifikasi dan peningkatan akurasi diagnosis penyakit. Hal ini penting dilakukan agar proses identifikasi dapat dilakukan dengan cepat dan menghasilkan hasil pengamatan yang akurat, sehingga tindakan medis yang tepat dapat segera dilakukan. Dalam penelitian ini, peneliti akan menganalisis akurasi dari sistem klasifikasi yang dibuat. Sistem klasifikasi ini menggunakan pendekatan machine learning untuk mengidentifikasi citra sek blast. Peneliti menggunakan metode klasifikasi naïve bayes dan pendekatan performa lain seperti proses segmentasi dengan metode k-means dan ekstraksi fitur berupa morfologi dan tekstur sel. Penelitian ini dimulai dengan tahap persiapan, termasuk studi pustaka dan pengumpulan data, kemudian dilanjutkan dengan perancangan sistem, dan diakhiri dengan pengujian dan evaluasi kinerja sistem. Hasil penelitian menunjukkan bahwa dari enam rangkaian percobaan yang dilakukan, persentase jumlah data latih dan data uji dalam sebuah dataset sangat mempengaruhi nilai akurasi dari sistem klasifikasi. Selain itu, pemilihan sistem klasifikasi juga memiliki pengaruh terhadap akurasi sistem. Dalam penelitian ini, fitur morfologi memiliki keunggulan dibandingkan dengan fitur tekstur, namun gabungan fitur morfologi dan tekstur memberikan hasil akurasi yang lebih baik. Penggunaan dataset dengan persentase data latih sebesar 80% dan data uji sebesar 20% menghasilkan akurasi yang sempurna, yaitu 100%. Selain itu, peneliti juga menyimpulkan bahwa pemilihan metode klasifikasi sangat mempengaruhi akurasi sistem yang dihasilkan, dan metode harus disesuaikan dengan karakteristik citra, termasuk fitur ekstraksi. Hal ini terbukti dalam semua percobaan yang dilakukan, di mana metode naïve bayes memiliki hasil akurasi yang lebih baik dibandingkan dengan metode KNN.

Actions (login required)

View Item