<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="103354">
 <titleInfo>
  <title>PENGEMBANGAN MODEL DETEKSI SEL ACUTE LYMPHOBLASTIC LEUKEMIA MENGGUNAKAN ARSITEKTUR EFFICIENTNET</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>RIDHA ARRAHMAN</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Elektro</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Leukemia adalah salah satu kanker yang menyerang pada darah diakibatkan banyaknya sel darah putih abnormal yang diproduksi oleh tubuh. Saat ini untuk diagnosis kanker darah dapat melalui pemeriksaan darah dan sumsum tulang belakang oleh dokter yang memerlukan waktu berhari-hari. Acute lymphoblastic leukemia (ALL) yaitu salah satu kanker leukemia yang umum terjadi pada anak-anak yang disebabkan oleh sel limfosit yang belum dewasa tumbuh lebih banyak, Deep Learning dapat dimanfaatkan dalam pemprosesan citra untuk mendeteksi kanker yang belum terbentuk sepenuhnya di dalam darah dengan Convolutional Neural Network (CNN) memanfaatkan arsitektur EfficientNet, akan digunakan untuk melakukan penskalaan terhadap data citra berupa peningkatan layer, channel dan resolusi secara bersamaan, data tersebut kemudian dilakukan normalisasi terhadap nilai RGB dengan merubah nilai menjadi mean sehingga menampilkan hasil warna yang lebih menonjol. Dengan memanfaatkan ReactJs dan Flask untuk aplikasi Website sebagai antarmuka dan Application Programming Interface (API) untuk mengakses model yang telah dilatih, sehingga mempermudah untuk pengecekan tanpa perlu menjalankan kode program yang memerlukan banyak installasi library. Berdasarkan masalah tersebut, Penelitian ini merancang sebuah model yang dapat mendeteksi sel ALL pada citra sel darah. Hasil yang didapatkan dengan menggunakan EfficientNetB3 menghasilkan akurasi sebesar 92%, presisi 93% dan recall 96%.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>103354</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-08-31 16:02:04</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-09-02 07:59:59</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>