ADZAKY, Muhammad Fikra (2023) Optimasi Performa Klasifikasi Data Sel Blast Tak Seimbang Menggunakan Metode Graph Clustering Berbasis DPClusSBO. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Download (345kB)
	PDF (Legalitas) LEGALITAS-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Restricted to Repository staff only Download (3MB)
	PDF (Abstrak) ABSTRAK-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Download (1MB)
	PDF (BabI) BAB I-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabII) BAB II-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Restricted to Repository staff only Download (2MB)
	PDF (BabIII) BAB III-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabIV) BAB IV-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Restricted to Repository staff only Download (3MB)
	PDF (BabV) BAB V-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Download (1MB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Download (1MB)
	PDF (Lampiran) LAMPIRAN-Muhammad Fikra Adzaky-H1A019083-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)

Abstract

Dewasa ini sering dijumpai pemanfaatan teknologi machine learning dalam bidang medis. Salah satunya adalah penggunaan metode klasifikasi untuk mengenali suatu sampel atau membantu dalam diagnosa penyakit pada sel darah. Metode klasifikasi machine learning dapat mengenali kelainan dan perbedaan pada citra objek atau gambar sel darah putih (leukosit). Penyakit leukemia biasa dibedakan menjadi dua jenis yakni acute myeloid leukemia (AML) dan acute lymphoblastic leukemia (ALL). Sebagai suatu penyakit akut tentunya dalam ketersediaan dataset yang berlabel akan cukup sulit untuk diperoleh. Bila ada, seringkali dataset yang diperoleh adalah data yang tidak seimbang (imbalance). Hal ini akan memengaruhi performa klasifikasi dalam beberapa aspek sehingga kurang optimal dalam penggunaannya. Salah satu upaya menangani kasus ketidakseimbangan data ini adalah dengan melakukan penuruan sampel (undersampling) pada salah satu kelas data mayoritas. Teknik ini bertujuan menyeimbangkan distribusi data keseluruhan antara data mayoritas dengan data minoritas. Teknik undersampling yang dipilih adalah metode analisis metrik jarak pada graph clustering yang dijalankan pada perangkat lunak DPClusSBO. Penelitian ini menghasilkan metode penanganan untuk meningkatkan performa proses klasifikasi pada data sel blast yang tak seimbang (imbalance). Performa yang dinilai bukan hanya dari akurasi namun juga parameter seperti AUC, ROC, F-measure, dan G-means. Berikutnya metode ini dapat diterapkan pada klasifikasi sel blast yang menggunakan metode support vector machine (SVM), k-nearest neighbor (k-NN), naïve bayes, dan random forest classifier. Selain itu, harapannya metode pada penelitian ini juga dapat diterapkan pada kasus-kasus data tak seimbang lainnya.

Actions (login required)

View Item