Aplikasi Web untuk Deteksi Acute Lymphoblastic Leukemia

Farhan, Muhammad (2023) Aplikasi Web untuk Deteksi Acute Lymphoblastic Leukemia. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111640000137-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Leukemia adalah penyakit jenis kanker dari sumsum tulang atau darah dimana keberadaan sel darah putih abnormal yang berlipat ganda. Acute Lymphoblastic Leukemia (ALL) merupakan salah satu jenis leukemia yang dapat berkembang dengan cepat dan umumnya sering terjadi pada anak-anak. Apabila kanker ini tidak segera dideteksi dan dirawat, kondisi penderita bisa semakin parah dalam waktu beberapa bulan. Karena itu deteksi dini sangat penting untuk langkah pengobatan yang efektif. Metode deteksi konvensional telah dilakukan namun masih memiliki banyak kekurangan salah satunya yaitu potensi human-error yang tinggi karena dilakukan secara langsung dengan pengamatan pada mikroskop.
Tugas Akhir ini disusun mengembangkan aplikasi berbasis web yang dapat mendeteksi dan mengklasifikasi jenis Acute Lymphoblastic Leukemia (ALL). Metode yang digunakan pada Tugas Akhir ini adalah algoritma Faster RCNN. Tahapan pada penelitian ini yaitu pengumpulan data citra, lalu dilakukan anotasi pada data citra, selanjutnya dilakukan pemodelan atau pelatihan data, dan tahap terakhir yaitu implementasi ke dalam aplikasi berbasis web. Dalam pembuatan aplikasi ini, akan digunakan framework Flask-Python sebagai basis web visualisasi. Sistem diimplementasikan menggunakan bahasa pemrograman Python and HTML dengan tools yang digunakan untuk coding adalah Microsoft Visual Studio Code. Hasil dari modeling dan training data menggunakan Faster RCNN digunakan sebagai model pada web untuk melakukan pendeteksian Acute Lymphoblastic Leukemia (ALL). Performa model dievaluasi bedasarkan dataset ALL IDB 2 dan didapat akurasi senilai 0,50, recall senilai 0,48, dan presisi senilai 0,60.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Acute Lymphoblastic Leukemia, Faster RCNN, Flask, HTML, Leukemia, Python
Subjects:	R Medicine > R Medicine (General) > R858 Deep Learning
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Farhan
Date Deposited:	07 Aug 2023 03:12
Last Modified:	07 Aug 2023 03:12
URI:	http://repository.its.ac.id/id/eprint/103677

Actions (login required)

View Item