IMPLEMENTASI AUGMENTASI DATA PADA MODEL INTEGRASI YOLOV8 DAN DETR UNTUK DETEKSI LIMA JENIS SEL DARAH PUTIH

Tohari, Ahmad (2026) IMPLEMENTASI AUGMENTASI DATA PADA MODEL INTEGRASI YOLOV8 DAN DETR UNTUK DETEKSI LIMA JENIS SEL DARAH PUTIH. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2213030059.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_57201_2213030059_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2213030059_0712108103_0713018402_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (545kB)
	Text (BAB 2) RAMA_57201_2213030059_0712108103_0713018402_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (344kB) | Request a copy
	Text (BAB 3) RAMA_57201_2213030059_0712108103_0713018402_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (227kB) | Request a copy
	Text (BAB 4) RAMA_57201_2213030059_0712108103_0713018402_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (402kB) | Request a copy
	Text (BAB 5) RAMA_57201_2213030059_0712108103_0713018402_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (157kB) | Request a copy
	Text (References) RAMA_57201_2213030059_0712108103_0713018402_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (142kB)
	Text (Lampiran) RAMA_57201_2213030059_0712108103_0713018402_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (545kB) | Request a copy

Abstract

Penghitungan jenis sel darah putih (leukosit) sangat esensial untuk diagnosis klinis, namun pengamatan manual rentan memicu kelelahan visual dan subjektivitas tenaga medis. Di sisi lain, otomatisasi deteksi menggunakan algoritma Convolutional Neural Network (CNN) murni sering kali gagal mendeteksi objek sel yang saling tumpang tindih (overlapping) dan mudah mengalami bias akibat masalah ketidakseimbangan kelas pada dataset publik. Menjawab tantangan tersebut, penelitian ini bertujuan mengimplementasikan arsitektur Detection Transformer (RT-DETR-L) yang diintegrasikan dengan kerangka kerja YOLOv8 dan teknik augmentasi data untuk meningkatkan akurasi deteksi lima jenis leukosit. Menggunakan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM), dilakukan pra-pemrosesan data berupa oversampling adaptif dan augmentasi spasial yang berhasil mengekspansi 136 citra mentah menjadi 310 citra latih secara proporsional. Eksperimen menunjukkan bahwa mekanisme Global Context Mapping pada model hibrida ini sangat efektif menutupi kelemahan CNN konvensional dalam memecahkan masalah sel tumpang tindih. Model mencetak performa tangguh dengan nilai Presisi 0,957, Recall 0,933, dan mAP50 0,931, serta akurasi klasifikasi sempurna (1,00) pada kelas Eosinofil, Limfosit, dan Monosit. Limitasi yang tersisa hanyalah persentase misklasifikasi minor (sekitar 0,17) antara Basofil dan Neutrofil akibat tingginya kemiripan struktur granulositnya. Sebagai langkah penyempurnaan, penelitian selanjutnya sangat disarankan untuk mengeksplorasi penyesuaian hyperparameter (hyperparameter tuning) guna memisahkan fitur kepadatan granul secara lebih tajam. Penggunaan dataset primer dari rumah sakit lokal juga direkomendasikan untuk melatih model terhadap berbagai variasi teknik pewarnaan preparat yang lebih nyata.

Actions (login required)

View Item