Penggunaan Fitur HOG Dan HSV Untuk Klasifikasi Citra Sel Darah Putih

  • Rial Prasthio Prodi Informatika, FIKR, Universitas Multi Data Palembang
  • Yohannes Yohannes Prodi Informatika, FIKR, Universitas Multi Data Palembang
  • Siska Devella Prodi Informatika, FIKR, Universitas Multi Data Palembang

Abstract

Sel darah putih (leukosit) merupakan sel pembentuk komponen darah yang diproduksi oleh sumsum tulang dan disebarkan ke seluruh tubuh melalui aliran darah. Sel darah putih merupakan bagian penting dari sistem kekebalan tubuh yang berfungsi untuk menghasilkan antibodi yang dapat membantu tubuh manusia dalam melawan berbagai penyakit. Sel darah putih dibagi menjadi 5 jenis, yaitu neutrofil, limfosit, monosit, eosinofil, dan basophil. Analisis sel darah putih masih dilakukan secara manual yang memakan waktu yang lama dan memiliki tingkat ketelitian dan keakuratan yang rendah. Solusi yang dapat dilakukan salah satunya menggunakan machine learning yaitu SVM (support vector machine) dengan menggunakan  fitur HOG dan HSV. Penelitian ini menggunakan dataset hasil mikroskop sel darah putih dari  Kaggle yang bersifat public. Jumlah dataset yang digunakan dalam penelitian berjumlah  12.392 gambar dari 4 jenis sel darah putih (Eosinophil, Lymphocyte, Monocyte, dan  Neutrophil). Pada perhitungan confusion matrix hasil tertinggi didapatkan oleh Neutrophil  dengan accuracy sebesar 88,55%, precision sebesar 100%, dan recall sebesar 54,19%.

Published
2022-04-11
How to Cite
Prasthio, R., Yohannes, Y., & Devella, S. (2022, April 11). Penggunaan Fitur HOG Dan HSV Untuk Klasifikasi Citra Sel Darah Putih. Jurnal Algoritme, 2(2), 120-132. https://doi.org/https://doi.org/10.35957/algoritme.v2i2.2362