Evelyne Calista (2015) Aplikasi Metode Nearest Neighbor Dalam Klasifikasi Leukosit Untuk Deteksi Leukemia. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (Cover) 1. COVER.pdf Download (155kB)
	Text (Abstrak) 2. Abstrak.pdf Download (164kB)
	Text (Daftar Isi) 3. DAFTAR ISI.pdf Download (192kB)
	Text (Bab 1) 4.bab1 pendahuluan.pdf Download (173kB)
	Text (Bab 2) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 11 February 2023. Download (467kB) | Request a copy
	Text (Bab 3) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 11 February 2023. Download (312kB) | Request a copy
	Text (bab 4) 7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 11 February 2023. Download (420kB) | Request a copy
	Text (Bab v) 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 11 February 2023. Download (152kB) | Request a copy
	Text 9. DAFTAR PUSTAKA.pdf Download (163kB)
	Text (Lampiran) 10. LAMPIRAN.pdf Restricted to Registered users only until 11 February 2023. Download (867kB) | Request a copy

Abstract

Leukemia merupakan salah satu jenis penyakit kanker yang disebabkan oleh neoplasma ganas pada sel leukosit. Penyakit ini merupakan kelainan degeneratif pada sumsum tulang belakang, yang dengan sendirinya mempengaruhi kinerja sel hematopoetik (sel pembentuk sel-sel darah). Salah satumetode pemeriksaan leukemia adalah dengan pemeriksaan sel darah tepi. Tetapi, pemeriksaan ini memiliki beberapa kendala, antara lain lambatnya analisis dan akurasi yang tidak memiliki standar akibat hasil analisa tergantung pada kemampuan dan kelelahan ahli medis. Pada penelitian ini dilakukan perancangan aplikasi klasifikasi leukosit untuk mendeteksi leukemia dengan metode klasifikasi Nearest Neighbor dan fitur bentuk serta histogram sebagai masukan klasifikasi. Sehingga aplikasi ini diharapkan dapat menjadi alat bantu ahli medis yang memiliki akurasi terstandar. Fitur bentuk yang digunakan adalah area, perimeter, eccentricity, form factor dan solidity, sedangkan fitur histogram yang digunakan adalah mean dan standard deviation. Keluaran aplikasi dibagi menjadi 2 kelas yakni abnormal (sel blast) dan normal. Tingkat akurasi, sensitivitas dan spesifisitas optimal yang didapat dari kombinasi fitur mean-standard deviationarea- perimeter dengan nilai k=7 yaitu sebesar 90%, 90% dan 90%. Kesalahan hasil uji klasifikasi pada penelitian ini diduga karena fitur uji memiliki kemiripan dengan fitur latih kelas lawannya.

Actions (login required)

View Item