Khakim Assidiqi Nur Hudaya, 5302416040 (2020) PENERAPAN ALGORITMA PENGELOMPOKAN FUZZY C-MEANS PADA SEGMENTASI CITRA LEUKOSIT. Under Graduates thesis, Universitas Negeri Semarang.

PDF (PENERAPAN ALGORITMA PENGELOMPOKAN FUZZY C-MEANS PADA SEGMENTASI CITRA LEUKOSIT) - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Segmentasi citra merupakan salah satu tahap paling penting dalam Computer-Aided Diagnosis yang potensial mempercepat diagnosis leukemia. Sebuah metode segmentasi citra diusulkan Vogado et al (2016) yang mampu mencapai akurasi 98.5%. Sayangnya metode ini menggunakan algoritma pengelompokan K-means yang belum optimal terhadap derau. Dalam skripsi ini Fuzzy C-means diterapkan guna mengatasi permasalahan tersebut. Tahap awal metode ini adalah dengan membagi citra dataset leukemia akut ALL-IDB 2 menjadi skema warna CMYK dan L*a*b yang kemudian mensubstraksi komponen M dikurangkan dengan komponen b. Hasil pengurangan kemudian diceraikan dengan algoritma FCM, menghasilkan bagian nukleus dan latar belakang. Luaran metode ini kemudian dievaluasi dan diukur menggunakan metrik Accuracy, Specificity, Sensitivity, Kappa Index, Dice Coefficient dan Time Complexity. Hasil menunjukan bahwa, pengubahan algoritma pengelompokan pada metode segmentasi citra tersebut tidak memberikan perubahan hasil yang signifikan, peningkatan terjadi pada metrik Specificity dan Precision rata-rata 0.1- 0.4%, waktu eksekusi bertambah lama rata-rata 23.10%. Penurunan terjadi pada metrik Accuracy turun menjadi 95.4238% dan nilai Dice Coefficient 79.3682%.

Actions (login required)

View Item