<![CDATA[Dalam era kemajuan teknologi medis, analisis citra sel darah putih menjadi sangat penting untuk diagnosis yang lebih cepat dan akurat. Penelitian ini bertujuan untuk menciptakan sistem yang dapat secara otomatis mengidentifikasi dan mengklasifikasikan empat jenis sel darah putih, yaitu neutrofil, limfosit, monosit, dan eosinofil. Dengan memanfaatkan teknologi kecerdasan buatan dan pembelajaran mesin, sistem ini dirancang untuk meningkatkan efisiensi dan akurasi dalam proses diagnosis, yang sering kali dilakukan secara manual oleh tenaga medis. Metode Shape Context dipilih karena kemampuannya dalam menganalisis kontur dan pola objek dengan presisi tinggi, memungkinkan sistem mengenali perbedaan fitur kompleks dari masing-masing jenis sel darah putih. Hasil pengujian menunjukkan bahwa sistem ini dapat memproses gambar dalam waktu rata-rata 113.20 ms per gambar, yang menunjukkan efisiensi yang baik untuk aplikasi berbasis smartphone. Selain itu, sistem ini mampu mengakses file gambar dengan ekstensi JPEG dan PNG, serta melakukan deteksi sel pada citra mikroskopik. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan kualitas layanan kesehatan, terutama di daerah dengan keterbatasan fasilitas medis, serta memperluas aksesibilitas teknologi diagnostik bagi masyarakat.]]>
Copyrights © 2025
