Klasifikasi Leukemia Menggunakan CNN
ANGELA TIURMA

Informasi Umum

Kode

22.04.2196

Klasifikasi

621.367 - Technological photography and photo-optics, Spectrography, Stroboscopic photography, Image processing, Optical data processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing-digital Techniques

Dilihat

271 kali

Informasi Lainnya

Abstraksi

<div>Mengikuti pertumbuhan teknologi yang bertumbuh dari waktu ke waktu, maka</div>

<div>manusia berlomba-lomba untuk menciptakan teknologi yang baru. Teknologi yang</div>

<div>diciptakan tersebut berguna dalam memecahkan permasalahan yang ada dalam</div>

<div>masyarakat. Salah satu contoh perkembangan teknologi yang sedang gencar</div>

<div>di masyarakat yaitu teknologi <em>Artificial Intelligence </em>(AI). AI merupakan sebuah</div>

<div>teknologi mesin yang dapat mensimulasikan kecerdasan manusia dengan jumlah</div>

<div>data yang besar. Salah satu bagian dari AI yaitu<em> Deep Learning</em>. <em>Deep learning</em></div>

<div>merupakan teknologi mesin yang memiliki kemampuan yang bagus, salah satunya</div>

<div>untuk klasifikasi citra. Salah satu bagian dari <em>Deep Learning</em> yang paling populer</div>

<div>untuk klasifikasi citra yaitu <em>Convolutional Neural Network</em> (CNN).</div>

<div> </div>

<div>Pada Tugas Akhir ini, penulis melakukan klasifikasi leukemia, dengan</div>

<div>sample citra berupa sel darah. Pada pengklasifikasian leukemia, penelitian</div>

<div>ini menggunakan dua jenis citra sel darah, yaitu<em> Acute Lymfoblastic Leukemia</em></div>

<div>(ALL) yang merupakan sel darah leukimia dan sel darah normal. Dalam</div>

<div>mengklasifikasikan citra pada CNN terdapat empat tahap, yaitu tahap akuisisi data,</div>

<div>tahap pre-<em>processing</em>, tahap pembelajaran model CNN, dan tahap klasifikasi CNN.</div>

<div> </div>

<div>Terdapat lima parameter yang dilakukan pada pengklasifikasian ini, yaitu:</div>

<div><em>convolutional layer</em>,<em> input size</em>, <em>optimizer</em>,<em> batch size</em>, dan <em>learning rate</em> untuk</div>

<div>mendapatkan model terbaik. Kemudian hasil dari percobaan kelima parameter</div>

<div>tersebut akan dianalisis menggunakan <em>accuracy</em> dan <em>loss</em>. Hasil akhir Tugas Akhir</div>

<div>ini menunjukkan model terbaik untuk klasifikasi jenis leukemia menggunakan</div>

<div>arsitektur CNN usulan, dengan 3 <em>convolutional layer</em>, <em>input size</em> 450x450, <em>optimizer</em></div>

<div>Adam, ukuran<em> batch size</em> 32, dan <em>learning rate</em> sebesar 0.00001 memiliki <em>accuracy</em></div>

<div>94% dan <em>loss</em> 22.03%.</div>

<div> </div>

<div> <div>Kata Kunci : convolutional neural network, klasifikasi leukemia, sel darah</div> </div>

Koleksi & Sirkulasi

Seluruh 1 koleksi sedang dipinjam

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook