Implementasi Metode RUN length Dan Simple Naive Bayes Untuk Klasifikasi Penyakit Leukemia Berdasarkan Citra Darah

Penyakit leukemia adalah penyakit dalam klasifikasi kanker pada darah.Penyakit leukemia memiliki suatu ciri yang berbeda. Mengenali perbedaan tekstur pada citra penyakit leukemia merupakan suatu cara untuk membedakan ciri tersebut. Ada beberapa metode untuk memperoleh ciri-ciri tekstur dalam suatu citra, salah satu metode untuk memperoleh ciri-ciri citra tekstur adalah dengan menggunakan metode run length. Ciri-ciri yang terdapat pada metode run length adalah SRE (Short Run Emphasis), LRE (Long Run Emphasis), GLU (Grey Level Uniformity), RLU (Run Length Uniformity) dan RPC (Run Percentage). Dari hasil ciri-ciri tersebut kemudian algoritma naïve bayes akan menentukan hasil klasifikasi berdasarkan nilai probabilitas terbesar. Citra yang diuji adalah citra darah yang teridentifikasi penyakit leukemia.Berdasarkan penelitian yang telah dilakukan, dapat ditarik kesimpulan bahwa:algoritma naïve bayes dapat melakukan klasifikasi citra penyakit leukemia erdasarkan tekstur yang diekstraksi dengan metode run length. Data hasil ekstraksi ciri metode run length adalah berupa data kontinu, sehingga data hasil ekstraksi ciri tersebut dapat langsung digunakan sebagai masukan dalam klasifikasi naïve bayes. Berdasarkan hasil pengujian, kesimpulan yang didapatkan adalah algoritma naïve bayes dapat mengklasifikasikan citra penyakit leukemia berdasarkan hasil ekstraksi citra darah menggunakan metode run length dan menghasilkan tingkat keakurasian 91.25% dengan total 20 data latih dan 20 data uji. Dikarenakan data hasil ekstraksi ciri tekstur penyakit leukemia dengan metode run-length memiliki keunggulan membedakan antara tekstur halus dan tekstur kasar, sehingga klasifikasi naïve bayes dapat berjalan lebih maksimal saat melakukan klasifikasi citra darah yang teridentifikasi penyakit leukemia.

Leukemia is a disease in cancer classification. Leukemia has a different characteristic. How to differentiate these characteristics is to recognize the difference of a texture from image of leukemia. There are several methods to btain the characteristics of texture from image, a method to obtain the characteristics of texture from image is use run length method. The texture characteristics of run length method are SRE (Short Run Emphasis), LRE (Long Run Emphasis), GLU (Gray Level Uniformity), RLU (Run Length Uniformity) and RPC (Run Percentage). From the results of these characteristics then naïve bayes algorithm will determine the largest value of probability. The object being tested is a blood image of leukemia.From the research has been done, can be concluded as follows: naïve bayes algorithm can do image classification based on the texture extracted by run length method. Data from feature extraction using run length method is continuous data, so the process of data classification from feature extraction can be directly used as an input in the naïve bayes classification. From the result, a conclusion obtained is naïve bayes algorithm can classify images of leukemia from extraction of blood image using run length method and nerates 91.25% accuracy rate with a total of 20 training data and 20 testing data. Due to the texture from feature extraction of leukemia with a run length method has the advantage of distinguishing between smooth texture and rough texture, so naïve bayes classification can run more leverage when performing image classification of blood were identified of leukemia.