Identifikasi Golongan Darah Manusia Sistem ABO Menggunakan Jaringan Syaraf Tiruan

Budiana (2015) Identifikasi Golongan Darah Manusia Sistem ABO Menggunakan Jaringan Syaraf Tiruan. Other thesis, Universitas Komputer Indonesia.

[thumbnail of UNIKOM_Budiana_Lembar Pengesahan.jpg] Image
UNIKOM_Budiana_Lembar Pengesahan.jpg

Download (1MB)
[thumbnail of UNIKOM_Budiana_Pernyataan.jpg] Image
UNIKOM_Budiana_Pernyataan.jpg

Download (1MB)
[thumbnail of UNIKOM_Budiana_persetujuan Publikasi.jpg] Image
UNIKOM_Budiana_persetujuan Publikasi.jpg

Download (714kB)
[thumbnail of UNIKOM_Budiana_BabI.pdf] Text
UNIKOM_Budiana_BabI.pdf

Download (142kB)
[thumbnail of UNIKOM_Budiana_BabV.pdf] Text
UNIKOM_Budiana_BabV.pdf

Download (51kB)
[thumbnail of UNIKOM_Budiana_cover.pdf] Text
UNIKOM_Budiana_cover.pdf

Download (95kB)
[thumbnail of UNIKOM_Budiana_Daftar Isi.pdf] Text
UNIKOM_Budiana_Daftar Isi.pdf

Download (127kB)
[thumbnail of UNIKOM_Budiana_Daftar pustaka.pdf] Text
UNIKOM_Budiana_Daftar pustaka.pdf

Download (138kB)
[thumbnail of UNIKOM_Budiana_Jurnal.pdf] Text
UNIKOM_Budiana_Jurnal.pdf

Download (671kB)
[thumbnail of UNIKOM_Budiana_Kata Pengantar.pdf] Text
UNIKOM_Budiana_Kata Pengantar.pdf

Download (139kB)
[thumbnail of UNIKOM_Budiana_Pengesahan.pdf] Text
UNIKOM_Budiana_Pengesahan.pdf

Download (221kB)
[thumbnail of UNIKOM_Budiana_Pernyataan.pdf] Text
UNIKOM_Budiana_Pernyataan.pdf

Download (182kB)

Abstract

Seiring perkembangan Teknologi yang sangat cepat di dalam berbagai aspek kehidupan manusia diharapkan dapat membantu setiap permasalahan yang sering dihadapi. Dengan menirukan suatu kecerdasan manusia yang diterapkan ke dalam suatu alat bantu sehingga dapat membantu menyelesaikan berbagai masalah. Salah satunya dalam bidang medis, yaitu identifikasi golongan darah manusia. Jika pada kondisi � kondisi tertentu identifikasi golongan darah manusia mengandalkan tenaga manual sebagai salah satu penentu jenis golongan darah seseorang. Maka dengan menerapkan kecerdasan manusia pada suatu program bantu, proses identifikasi golongan darah manusia dapat dilakukan secara komputerisasi. Program bantu identifikasi golongan darah ini menggunakan sistem ABO yaitu golongan darah manusia yang terdiri dari golongan darah A, B, AB dan O. Identifikasi golongan darah ini menggunakan sebuah citra yang diambil menggunakan kamera berdasarkan sampel darah yang telah diberi suatu larutan tertentu, kemudian citra tersebut akan diproses menggunakan pengolahan citra sehingga pola � pola yang terdapat pada citra tersebut dapat teridentifikasi dengan benar. Metode yang digunakan adalah Jaringan Syaraf Tiruan dan Algoritma dalam proses pembelajaran menggunakan Backpropagation. Setelah pengujian dilakukan pada 50 data sampel uji yang tidak disertakan dalam proses learning dihasilkan 84% dapat teridentifikasi dengan benar. Persentase teridentifikasi masing � masing golongan darah A, B, AB dan O dengan benar berturut � turut sebesar 80%; 72,72%; 84,61% dan 93,75%. Dengan jumlah sampel uji untuk masing � masing golongan darah adalah 10 sampel, 11 sampel, 13 sampel dan 16 sampel.

As rapid development of Technology in various aspects of human life is expected to help any problems frequently encountered. By simulating a human intelligence applied into a tool that can help resolve various problems. One is in the medical field, namely the identification of human blood type. If in certain circumstances the condition of human blood type identification rely on manual labor as one of the key determining a person's blood type. Then by applying human intelligence to aid program, the identification of human blood type can be computerized. This blood type identification program using the ABO system is the human blood type consisting of blood type A, B, AB and O. Identification of blood type is using an image captured by the camera based on blood samples that had been given a specific solution, then the image will processed using image processing so that the patterns found in the image can be identified correctly. The method used is the Artificial Neural Networks and Algorithms in the learning process using Backpropagation. After testing performed on 50 test sample data that is not included in the learning process resulting 84% can be identified correctly. Percentage identified each blood group A, B, AB and O consecutive correctly by 80%; 72.72%; 84.61% and 93.75%. With the number of test samples for each blood type is 10 samples, 11 samples, 13 samples and 16 samples.

Item Type: Thesis (Other)
Additional Information: Migrasi dari GDL. Identifier: jbptunikompp-gdl-budiananim-34262. Folder: S1-Final_Project / Fakultas_Teknik_dan_Ilmu_Komputer / Teknik_Komputer/Sistem Komputer / 2015
Uncontrolled Keywords: Golongan Darah, Sistem ABO, Pengolahan Citra, Jaringan Syaraf Tiruan, Algoritma Backpropagation.
Divisions: S1 Skripsi > Sistem Komputer
Depositing User: Robot Migration
Date Deposited: 05 Nov 2026 10:59
Last Modified: 05 Nov 2026 10:59
URI: https://elibrary.unikom.ac.id/id/eprint/43090

Actions (login required)

View Item
View Item