KOENTJORO, Fajrul Iman Giat (2023) Rancang Bangun Aplikasi Mobile Android untuk Klasifikasi Citra Leukosit dengan Metode Support Vector Machine (SVM) Berbasis Python. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_2023.pdf Download (366kB)
	PDF (Legalitas) LEGALITAS_Fajrul Iman Giat K_H1A019032_Skripsi_2023.pdf Restricted to Repository staff only Download (725kB)
	PDF (Abstrak) ABSTRAK_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_2023.pdf Download (156kB)
	PDF (BabI) BAB-I_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_2023.pdf Restricted to Repository staff only until 12 July 2024. Download (93kB)
	PDF (BabII) BAB-II_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_2023.pdf Restricted to Repository staff only until 12 July 2024. Download (337kB)
	PDF (BabIII) BAB-III_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_2023.pdf Restricted to Repository staff only until 12 July 2024. Download (228kB)
	PDF (BabIV) BAB-IV_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_20.pdf Restricted to Repository staff only Download (2MB)
	PDF (BabV) BAB-V_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_202.pdf Download (157kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA_Fajrul Iman Giat Koentjoro_H1A019032_Sk.pdf Download (225kB)
	PDF (Lampiran) LAMPIRAN_Fajrul Iman Giat Koentjoro_H1A019032_Skripsi_.pdf Restricted to Repository staff only Download (316kB)

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi mobile Android yang menggunakan metode Support Vector Machine (SVM) dalam klasifikasi citra leukosit untuk deteksi dini kanker darah (leukemia). Masalah utama yang dihadapi adalah tingginya tingkat mortalitas akibat penanganan kanker darah yang terlambat. Oleh karena itu, penelitian ini bertujuan untuk memberikan solusi dengan mengembangkan sebuah aplikasi yang dapat melakukan screening awal kelainan pertumbuhan sel Lymphoblast dan Myeloblast secara cepat dan efisien. Metode yang digunakan dalam penelitian ini meliputi segmentasi citra menggunakan metode threshold, pengembangan model machine learning menggunakan arsitektur SVM, dan implementasi skrip Python ke dalam environment Android Studio menggunakan Chaquopy. Dalam tahap segmentasi citra, metode threshold mampu memisahkan area of interest (AoI) dari citra Lymphoblast dan Myeloblast dengan akurat. Selanjutnya, model SVM berhasil memberikan hasil klasifikasi citra dengan akurasi 100%, baik pada tahap pelatihan maupun pengujian. Proses implementasi skrip Python ke dalam aplikasi mobile Android menggunakan Chaquopy juga berjalan dengan baik, memungkinkan penggunaan aplikasi secara offline. Hasil penelitian menunjukkan bahwa aplikasi Android "LIFE" yang dibangun memiliki performa yang baik, tanpa adanya bug atau crash, dan mampu melakukan klasifikasi citra dengan akurasi mencapai 98%. Aplikasi ini dapat membantu dalam pemantauan kesehatan di daerah-daerah dengan fasilitas kesehatan terbatas, meningkatkan efisiensi waktu dan biaya dalam screening awal kanker darah, serta memberikan kontribusi dalam pengembangan teknologi medis.

Actions (login required)

View Item