Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Teknika
Oktaviana
Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Tarumanagara, DKI Jakarta
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pendeteksian Leukosit Secara Otomatis Melalui Citra Preparat Berbasis Region Proposal Network Lina; Michelle Augustine; Oktaviana; Arlends Chris
Teknika Vol 11 No 3 (2022): November 2022
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v11i3.541

Abstract

Perkembangan teknologi yang sangat pesat telah membantu dunia medis untuk mendiagnosis kondisi kesehatan seseorang. Salah satu cara untuk melakukan diagnosis medis yang paling utama yaitu melalui pemeriksaan sel darah. Darah terdiri dari eritrosit, leukosit, dan plasma darah. Salah satu komponen darah yang sering dianalisis untuk mengetahui kondisi tubuh adalah leukosit. Analisis dapat dilakukan dengan melakukan perhitungan terhadap jumlah leukosit yang ada dalam tubuh. Tahap awal dari proses perhitungan sel darah adalah dengan melakukan pendeteksian terhadap lokasi sel darah melalui citra digital preparat sel darah. Pada penelitian ini, pendeteksian dilakukan secara otomatis menggunakan teknik Region Proposal Network dengan mengaplikasikan metode Faster R-CNN. Proses utama pendeteksian leukosit terdiri dari tahap pre-processing dan tahap pendeteksian area leukosit menggunakan metode Faster R-CNN. Target dari sistem yang diusulkan adalah untuk mendapatkan area leukosit dan menandainya secara otomatis. Eksperimen dilakukan terhadap citra preparat sel darah yang diwarnai dengan cairan Wright, maupun citra preparat sel darah yang tidak diwarnai. Hasil eksperimen menunjukkan tingkat akurasi pendeteksian area leukosit sebesar 99,54% untuk citra leukosit dengan pewarnaan dan akurasi pendeteksian sebesar 93,21% untuk citra leukosit tanpa pewarnaan.
Co-Authors Arlends Chris Lina Michelle Augustine