Klasifikasi Sel Darah Putih Menggunakan Convolutional Neural Network dan Tinjauannya Menurut Agama Islam

Library is the Brain and The Heart of The University

Book's Detail

Klasifikasi Sel Darah Putih Menggunakan Convolutional Neural Network dan Tinjauannya Menurut Agama Islam
-
Pernyataan Tanggungjawab
Pengarang	Syihabuddin - Personal Name
Pembimbing 1	Fathurahman, Muhammad
Pembimbing 2	Suherlan, Elan
Pembimbing 3	Zen, Irwandi M.
Edisi
No. Panggil	S-617-FTI
ISBN/ISSN
Subyek
Klasifikasi	TEKNOLOGI INFORMASI
Judul Seri	-
GMD	Text
Bahasa	Indonesia
Penerbit	FTI Universitas YARSI
Tahun Terbit	2019
Tempat Terbit	Jakarta
Deskripsi Fisik
Abstrak / Info Detil Spesifik	Sel darah putih atau leukosit memainkan peran penting dalam sistem kekebalan tubuh. Sel ini dapat bermanfaat untuk melawan bakteri, virus, atau jenis bibit penyakit lainnya. Namun perlu di perhatikan jika mengalami kenaikan sel darah putih, karena dapat menjadi tanda adanya gangguan darah. Mengetahui jumlah sel darah putih di dalam tubuh memang tidak bisa dilakukan secara langsung. Pemeriksaan laboratorium harus dilakukan untuk mengetahui kondisinya dengan detail. Pemeriksaan biasanya menggunakan alat Haematology Analyzer, kemudian hasil akan dibaca oleh dokter atau ahli. Alat tersebut memiliki kecepatan cukup baik, namun memiliki beberapa kekurangan dalam deteksi sel abnormal. Seiring dengan perkembangan teknologi muncul berbagai metode, metode Convolutional Neural Network (CNN) menjadi salah satu solusi untuk mendapatkan hasil yang lebih akurat. Metode ini telah terbukti berhasil menganalisis citra. Tujuan dari penelitian ini adalah untuk mengevaluasi menggunakan metode Convolutional Neural Network (CNN) dengan ekstraksi fitur Histogram of Oriented Gradients (HOG) berdasarkan citra sel darah. Metode klasifikasi juga dilakukan pada penelitian ini sebagai perbandingan hasil akurasi dengan CNN. Hasil dengan menggunakan metode CNN-HOG didapatkan CNN11 sebagai arsitektur terbaik dengan epoch=100 mendapatkan nilai akurasi training sebesar 99,19%, akurasi validation 98,06%, dan akur
Lampiran Berkas	LOADING LIST...
Ketersediaan	LOADING LIST...