Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Skripsi ini bertujuan untuk mengenali dan menganalisa penyakit darah Leukimia dengan citra darah menggunakan metode Logika Fuzzy. Proses pengenalan penyakit darah dilakukan dengan beberapa operasi pengolahan citra. Penentuan parameter karakteristik citranya berdasarkan warna (hue) dan kecerahan (value) yang akan digunakan dalam proses cropping dan pembentukan FIS membership function. Input citra darah akan dilakukan cropping pada ROI yang tetap, yaitu pada daerah [ 300 272 520 448]. Kemudian diambil nilai pixel koordinat pusatnya untuk dilakukan identifikasi dengan ukuran dan jenis penyakit darah yang berbeda-beda. Hasil data-data tersebut dikumpulkan menjadi suatu database yang digunakan dalam proses pengenalan dengan FIS. Pengenalan dengan FIS dilakukan dengan tiga metode berdasarkan membership function-nya, yaitu FIS dengan fungsi keanggotaan Gaussian, FIS dengan fungsi keanggotaan Trapesium, dan FIS dengan fungsi keanggotaan Segitiga. Pengenalan dilakukan dengan mengidentifikasi tiga jenis penyakit darah Leukimia, yaitu Acute Lympotic Leukimia (ALL), Acute Myelogenous Leukimia (AML), dan Burkitts Lympoma (BL). Dari hasil simulasi dengan ketiga metode, diperoleh tingkat akurasi pengenalan penyakit darah yang mampu dikenali yaitu 100 % dan 66.67. Dimana, akurasi tertinggi dicapai oleh metode FIS fungsi keanggotaan tipe Gaussian dengan nilai akurasi 100 %. ......This paper was made for recogning and analyzing the blood disease with blood images using Logic Fuzzy method. The identification blood disease process to use many operation emage processing. Determine the parameter chractheristic its image based on colour (hue) and brightness (value) which will using in the process cropping and formatting FIS membership function. The input blood image will conduct cropping at ROI which fixed, that is at region [ 300 272 520 448]. Then is taked the value pixel its coordinate center for is done identifity with size and kinds blood disease which different each order from coordinate center. Result of data is collected to be a databese which will used in the process of recognition by FIS. The recognition by FIS is conducted to use three methods that based on its membership function, there are FIS by Gaussian membership function, FIS by Trapesium membership function, and FIS by Signoid membership function. The recognition is conducted by to identify of three kinds Leucimia blood disease, involve Acute Lympotic Leukimia (ALL), Acute Myelogenous Leukimia (AML), and Burkitts Lympoma (BL). Based on the rezult simulation by 3th method, is gotten rate acuration of identification blood disease which can is recogned, that is 100 % and 66.67 %. Where, the highth acuration is reached by FIS membership function type Gaussian method with its value acuration 100 %.

Abstrak :
Untuk mengenali penyakit kanker sel darah putih (leukemia) dewasa ini masih dilakukan proses konvensional yang memakan waktu cukup lama dalam proses pengenalannya. Tugas akhir ini bertujuan untuk mengenali penyakit leukemia dari citra darah dengan menerapkan teknik pengolahan citra dan metode jaringan syaraf tiruan. Pada proses pengenalan penyakit ini, sistem yang sudah mengakuisisi citra darah akan melakukan proses cropping, resizing, dan membuat citra tersebut menjadi blok-blok matriks berukuran 4_4. Kemudian citra dalam format RGB dikonversikan ke dalam model warna HSV agar memiliki ruang warna yang lebih natural. Untuk mendapatkan fitur warna salah satu elemen warna yakni Hue akan diekstraksi untuk mendapatkan matriks nilai karakteristiknya. Nilai karakteristik hasil ekstraksi fitur warna tersebut kemudian akan dilatih oleh jaringan syaraf tiruan dan dimasukkan ke dalam database. Jaringan syaraf tiruan terdiri atas 3 layer input, 3 layer tersembunyi dan 1 layer keluaran. Dari hasil uji coba, diperoleh tingkat akurasi rata - rata sebesar 83.33% menggunakan 3 input untuk setiap jenis penyakit leukemia dan 20 kali pelatihan jaringan syaraf tiruan.

---

Recognize the white blood cell cancer disease (leukemia) identification today, still use conventional method and time consuming. The Objective of this research is to identify leukemia disease from blood image using image processing technique and artificial neural network. In this identification disease process, the system which has made acquisition of the blood image will process the cropping, resizing and divide the image into 4 _ 4 matrix blocks. Then the image in RGB format is converted to HSV color model in order to have a more natural color. In order to acquire color feature, one of the element which is Hue will be extracted to get characteristic value of the matrix. The characteristic value from the extracted color feature will then be trained by artificial neural network and inserted into the database. The artificial neural network consisted of 3 input layer, 3 hidden layer and 1 output layer. From the test result, we acquire an average level of accuracy of 83.33% using 3 inputs for every types of leukemia and 20 times of artificial neural network training.