View/Open

Author
Alexander Diva Grael, Bangun

Advisor
Andika, Setiawan, S.Kom., M.Cs.
Winda, Yulita, S.Pd., M.Cs.

Koleksi
Teknik Informatika

Publisher

Sel sabit merupakan panyakit yang mentransformasikan sel darah normal manusia ke bentuk abnormal seperti sabit atau pisang. Cara mendeteksi penyakit ini adalah dengan melakukan tes darah. Sampel darah akan diamati langsung oleh ahli patologi, mendeteksi setiap sel darah yang ada dan melakukan klasifikasi pada sel-sel tersebut. Cara manual tersebut memiliki kekurangan, dimana akurasi klasifikasi yang dilakukan oleh ahli akan bergantung pada kondisi para ahli patologi. Penelitian ini bertujuan untuk melakukan deteksi pada sel-sel yang terindikasi sebagai sel sabit, dengan memanfaatkan pengolahan citra digital dan algoritma klasifikasi Logistic Regression. Metode pengolahan citra yang diimplementasikan adalah grayscaling, thresholding, operasi morfologi, dan Watershed. Algoritma Logistic Regression digunakan untuk melakukan klasifikasi pada setiap sel yang terdeteksi, menghasilkan kelas circular, elongated, dan others. Metode yang terpilih akan digunakan untuk mengolah data citra multisel sebanyak 25 citra, data tersebut diperoleh dari ErythrocytesIDB yang merupakan penyedia data citra mikroskopis dari sampel darah pasien sel sabit. Fitur morfologi luas, keliling, soliditas, nilai metrik, radius, kebulatan, dan aspek rasio sel akan digunakan sebagai ciri dari setiap kelas sel untuk diklasifikasikan. Dari implementasi metode pengolahan citra yang dilakukan, didapatkan rata-rata keberhasilan segmentasi sebesar 97.66%. Pada tahap klasifikasi menggunakan metode Logistic Regression rata-rata akurasi sebesar 96%.

URI
https://repo.itera.ac.id/depan/submission/SB2208180012

Keyword