APLIKASI JARINGAN SYARAF TIRUAN SEBAGAI KANDIDAT DETEKSI NON-INVASIF DIABETES MELLITUS TIPE 2 BERDASARKAN CITRA BUCCAL CELL

PRIYANKA KUSUMA WARDHANI, 081117029 (2015) APLIKASI JARINGAN SYARAF TIRUAN SEBAGAI KANDIDAT DETEKSI NON-INVASIF DIABETES MELLITUS TIPE 2 BERDASARKAN CITRA BUCCAL CELL. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
gdlhub-gdl-s1-2015-wardhanipr-39469-6.abstr-k.pdf

Download (373kB) | Preview
[img] Text (full text)
ST.%20T.%2015-15%20War%20a.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Diabetes Mellitus (DM) adalah penyakit metabolis karena anomali pada kerja insulin. Penyakit ini memberikan pengaruh hingga tingkat seluler, termasuk buccal cell. Diagnosis DM yang paling sering digunakan adalah tes darah sehingga diperlukan sebuah metode diagnosis DM secara non-invasif. Penelitian ini dilakukan untuk mendesain sistem berbasis jaringan syaraf tiruan (JST) sebagai pendeteksi Diabetes Mellitus (DM) Tipe 2 melalui citra buccal cellsecara non-invasif. Hapusan buccal cell diperoleh dari 30 subyek DM Tipe 2 dan 30 subyek normal. Hapusan tersebut kemudian diwarnai dengan pewarnaan Papacolaou. Preparat buccal cells selanjutnya diamati menggunakan mikroskop digital. Tiga sel dari masing-masing preparat dievaluasi. Desain sistem menggunakan pemrograman MATLAB dengan metode pengolahan citra digital dan algoritma JST yang digunakan adalah Probabilistic Neural Network (PNN). Klasifikasi dilakukan dengan menggunakan PNN. Citra buccal cells tersebut dilakukan proses segmentasi pada area nukleus untuk diperoleh nilai ekstraksi fitur. Ekstraksi fitur yang digunakan dalam penelitian ini antara lain luas nukleus, perimeter nukleus, dan sifat bulat nukleus. Luas dan perimeter nukleus kelompok DM lebih besar dibandingkan dengan kelompok normal. Sedangkan sifat bulat kelompok DM relatif samadengan kelompok normal. Sebanyak 40 data fitur nukleus buccal cells digunakan sebagai data training dan 20 data fitur nukleus buccal cells digunakan sebagai data testing.Nilai konstanta gPNN yang paling optimal adalah 0,4. Tingkat akurasi optimal ketika proses training sebesar 92,5%. Sedangkan tingkat akurasi proses testing sebesar 90%

Item Type: Thesis (Skripsi)
Additional Information: KKC KK ST. T. 15/15 War a
Uncontrolled Keywords: DIABETES; ; BUCCAL CELL IMAGES
Subjects: R Medicine > RC Internal medicine
R Medicine > RC Internal medicine > RC0321 Neuroscience. Biological psychiatry. Neuropsychiatry
Divisions: 08. Fakultas Sains dan Teknologi > Tekno Biomedik
Creators:
CreatorsNIM/NIDN
PRIYANKA KUSUMA WARDHANI, 081117029UNSPECIFIED
Contributors:
ContributionNameNIDN/NIDK/NUP
ContributorPrihartini Widiyanti, Dr. , drg., M.Kes., S.Bio., CCDUNSPECIFIED
ContributorFranky Chandra S.A., S.T, M.T.UNSPECIFIED
Depositing User: sukartini sukartini
Date Deposited: 18 Dec 2015 12:00
Last Modified: 20 Jun 2017 18:48
URI: http://repository.unair.ac.id/id/eprint/28161
Sosial Share:

Actions (login required)

View Item View Item