Implementasi Framework Flask Untuk Visualisasi Data Hasil Klasifikasi Jenis Acute Lymphoblastic Leukemia Dengan Metode You Only Look Once

Sari, Devi Indah (2023) Implementasi Framework Flask Untuk Visualisasi Data Hasil Klasifikasi Jenis Acute Lymphoblastic Leukemia Dengan Metode You Only Look Once. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05111540000138-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (4MB) | 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. maka 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. Untuk itu, 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 You Only Look Once (YOLO) versi 4. Tahapan pada penelitian ini yaitu pengumpulan data citra , lalu dilakukan anotasi pada data citra, selanjutnya dilakukan modelling atau training data, dan tahap terakhir yaitu model dari hasil training kemudian diimplementasikan ke dalam aplikasi berbasis web. Dalam pembuatan aplikasi ini, penulis akan menggunakan framework Flask-Python sebagai basis web visualisasi. Sistem diprogram menggunakan bahasa pemrograman Python and HTML dengan tools yang digunakan untuk coding adalah Microsoft Visual Studio Code. Dengan ini, pendeteksian tidak perlu dilakukan secara manual tetapi sudah berbasis computer vision. Pengguna cukup mengunggah citra darah dan akan mendapatkan hasilnya berupa bounding box dan label
===================================================================================================================================
Leukemia is a type of cancer of the bone marrow or blood in which there is an abnormally large number of white blood cells. Acute Lymphoblastic Leukemia (ALL) is a type of leukemia that can develop quickly and generally occurs in children. If this cancer is not detected and treated immediately, the patient's condition can get worse within a few months. Hence early detection is essential for effective treatment. Conventional detection methods have been carried
out but still have many drawbacks, one of which is the high potential for human error because it is done directly by observation on a microscope. For this reason, this final project is structured to develop a web-based application that can detect and classify types of Acute Lymphoblastic Leukemia (ALL). The method used in this final project is the You Only Look Once (YOLO) algorithm version 4. The stages in this research are collecting image data, then annotating the image data, then modeling or training data is carried out, and the last stage is the model from the training results then implemented into a web-based application. In making this application, the author will use the flask-python framework as a web visualization base. The system is programmed using the Python and HTML programming languages with the tools used for coding are Microsoft Visual Studio Code. With this, detection does not need to be done manually but is based on computer vision. Users only need to upload blood images and will get the results in the form of bounding boxes and labels

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Leukemia, ALL, YOLOv4, Flask, HTML, Python
Subjects:	T Technology > T Technology (General) > T385 Visualization--Technique T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Devi Indah Sari
Date Deposited:	02 Mar 2023 08:29
Last Modified:	02 Mar 2023 08:29
URI:	http://repository.its.ac.id/id/eprint/97720

Actions (login required)

View Item