Sistem Klasifikasi Leukemia berdasarkan Citra Peripheral Blood Microscopic menggunakan Extreme Learning Machine

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Puspitasari, Wahyu Tri (2019) Sistem Klasifikasi Leukemia berdasarkan Citra Peripheral Blood Microscopic menggunakan Extreme Learning Machine. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text
Wahyu Tri Puspitasari_H72216071.pdf
Download (1MB)

Abstract

Leukemia merupakan salah satu kanker yang mematikan yang menyerang manusia di segala usia. Sebuah database SEER Incidence Database menyebutkan bahwa pada tahun 2019 teedapat kasus baru leukemia sebanyak 61.780 kasus dan 22.840 jiwa meninggal dunia akibat leukemia. Leukemia dikatakan sangat berbahaya karena penyakit ini merupakan jenis tumor cair sehingga bentuknya tidak dapat dilihat secara fisik. Namun perkembangan penyakit leukemia dapat diketahui dengan menghitung jumlah sel-sel darah yang terdapat dalam tubuh melalui tes mikroskopik. Hasil tes mikroskopik dapat diproses menggunakan bantuan machine learning untuk melakukan sistem klasifikasi. Metode klasifikasi yang sering digunakan dalam beberapa tahun terakhir adalah extreme learning machine(ELM). Extreme Learning Machine (ELM) memiliki istilah lain yang disebut dengan Single Hidden Layer Feedforward Neural Network (SLFNs), yaitu jaringan saraf tiruan feedforward dengan satu hidden layer. ELM mampu mengatasi permasalahan yang sering terjadi pada backpropagation. Dalam proses pembelajarannya, ELM memanfaatkan teori invers matriks Moore Penrose Pseudoinverse yang memiliki hasil generalisasi terbaik dengan waktu komputasi yang cepat. Pada penelitain ini, dilakukan klasifikasi leukemia berdasarkan citra peripheral blood microscopicmenggunakan Extreme Learning Machine (ELM). Tahapan-tahapan klasifikasi terdiri dari preprocessing mmenggunakan histogram equalization dan median filter bertujuan untuk perbaikan kualitas citra, ekstraksi fitur menggunakan gray level run length matrix digunakan untuk mengambil ciri statistik yang terdapat dalam citra dan klasifikasi citra leukemia menggunakan extreme learning machine.Hasil klasifikasi leukemia berdasarkan beberapa orientasi arah dengan tiga belas percobaan jumlah node pada hidden layer diperoleh hasil terbaik yaitu akurasi sebesar 100%, presisi sebesar 100% dan recall sebesar 100% pada orientasi 00 dengan 10 node hidden layer, orientasi 450 dengan 12 node hidden layer, orientasi 900 dengan 14 node hidden layer, dan orientasi 1350 dengan 10 node hidden layer.