KLASIFIKASI CITRA SEL DARAH PUTIH KANKER DAN NON- KANKER BERDASARKAN CIRI MORFOLOGI INTI SEL MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (K-NN)

• Main Author: Wildan Mahad Tahtadi, - (Author)
• Format: Book
• Published: 2019-06-21.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upnvj.ac.id/1744/1/AWAL.pdf; http://repository.upnvj.ac.id/1744/2/ABSTRAK.pdf; http://repository.upnvj.ac.id/1744/3/BAB%201.pdf; http://repository.upnvj.ac.id/1744/4/BAB%202.pdf; http://repository.upnvj.ac.id/1744/5/BAB%203.pdf; http://repository.upnvj.ac.id/1744/6/BAB%204.pdf; http://repository.upnvj.ac.id/1744/7/BAB%205.pdf; http://repository.upnvj.ac.id/1744/8/DAFTAR%20PUSTAKA.pdf; http://repository.upnvj.ac.id/1744/9/RIWAYAT%20HIDUP.pdf; http://repository.upnvj.ac.id/1744/10/LAMPIRAN.pdf
• Keywords: QA76 Computer software

Penyakit leukemia merupakan salah satu jenis kanker yang menyerang sel darah putih manusia. Salah satu jenis leukemia adalah acute lymphoblastic leukemia (ALL). Perlu penanganan yang tepat dan cepat terhadap penderita ALL. Pemeriksaan secara menual memerlukan waktu yang lama dan rentan terhadap human error. Untuk mengatasi hal tersebut, diperlukan aplikasi yang mampu mengidentifikasi apakah sel tersebut merupakan sel kanker atau non-kanker. Penelitian ini bertujuan untuk mengetahui akurasi dari klasifikator menggunakan algoritma K-NN berdasarkan ciri morfologi inti sel dari sel darah putih. Data citra sel darah putih akan melalui tahapan praproses, segmentasi citra, ekstraksi ciri, ekstraksi region of interest (RoI) dan klasifikasi yang dibagi menjadi dua fase. Fase pertama meliputi praproses, segmentasi, dan eksraksi RoI pada citra, fase kedua meliputi ektraksi ciri dan klasifikasi. Praproses dilakukan dengan mengubah citra yang awalnya memiliki model warna RGB ke dalam HSV, lalu diterapkan linear contrast stretch pada citra HSV tersebut. Segmentasi citra menggunakan fuzzy c- means dengan kombinasi warna citra saturasi dan value dengan jumlah cluster = 3. Hasilnya citra terbagi kedalam cluster background, inti sel, serta sel darah merah dan sitoplasma (dalam satu cluster). Setelah itu inti sel akan ekstrak dari citra dan akan dievaluasi untuk digunakan pada fase kedua. Hasil dari fase pertama berupa inti sel yang terekstrak dengan baik yaitu 247 citra dari 260 citra. Citra inti sel tersebut digunakan sebagai masukan untuk fase kedua. Pada tahap ekstraksi ciri dilakukan dengan mengambil fitur bentuk dari inti sel tersebut dan data ekstraksi ciri digunakan untuk klasifikasi dengan K-NN. Setelah dilakukan uji akurasi ,dengan data latih 80% dan data uji 20% menghasilkan akurasi yang paling baik dengan k = 3 dengan presentase akurasi terhadap data latih sebesar 84.77% dan sebesar 80.00% terhadap data uji.