Jurnal Erny + Quatrine.pdf

PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION (RBF) Erny Apriany Sylwana, Quatrine Wahyuni Sub Jurusan Teknik Telekomunikasi dan Informasi Jurusan Elektro Fakultas Teknik Universitas Hasanuddin 2012 E-mail : [email protected] , [email protected]

ABSTRAK Tes hematologi atau tes darah merupakan suatu pemeriksaan untuk mendiagnosa kondisi medis. Tes hematologi meliputi pemeriksaan jumlah dan bentuk sel darah, dimana hingga saat ini pemeriksaan morfologi sel darah masih dikerjakan secara manual. Hal ini menyebabkan kurangnya ketelitian serta keakuratan yang dilakukan oleh para dokter dan petugas laboratorium kesehatan sehingga adanya kemungkinan perbedaan identifikasi. Kekurangan pada pemeriksaan hematologi secara manual dapat diatasi dengan menciptakan suatu sistem otomatis dengan bantuan komputer menggunakan jaringan syaraf tiruan. Pada tugas akhir ini dilakukan penelitian terhadap jaringan syaraf tiruan RBF untuk menentukan morfologi sel darah merah (eritrosit). Citra sel darah merah (eritrosit) normal dan abnormal yang berasal dari Lembaga Penelitian ABX dari Montpeller Perancis berjumlah 175 sampel yang terbagi atas 105 sampel citra latih dan 70 sampel citra uji. Citra sel darah merah (eritrosit) tersebut diolah melalui proses akuisisi citra, grayscale, deteksi tepi dan ekstraksi ciri untuk menghasilkan input bagi jaringan syaraf tiruan Radial Basis Function. Penentuan morfologi sel darah merah (eritrosit) berbasis pengolahan citra dan jaringan syaraf turuan Radial Basis Function mencapai rata-rata akurasi 88,57% dengan total waktu pemrosesan sistem 0,849087114 detik. I. PENDAHULUAN Tes hematologi merupakan suatu pemeriksaan untuk mendiagnosa kondisi medis. Beberapa parameter yang diperiksa pada tes hematologi adalah jumlah sel darah dan morfologi normal dan abnormal sel darah. Pemeriksaan morfologi sel darah masih dikerjakan secara manual sehingga dapat menyebabkan kurangnya ketelitian serta keakuratan yang dilakukan oleh para dokter dan petugas laboratorium kesehatan sehingga adanya kemungkinan perbedaan identifikasi antara dokter yang satu dan lainnya. Kekurangan pada pemeriksaan hematologi secara manual dapat diatasi dengan menciptakan suatu teknologi jaringan syaraf tiruan yang mengadopsi kemampuan manusia dalam melakukan keputusan, atau dengan kata lain sistem tersebut mempunyai kecerdasan buatan (Artificial Intelligent).

Pada penelitian sebelumnya yaitu “Penentuan Morfologi Sel Darah Merah (Eritrosit) berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan” dengan menggunakan metode Backpropagation. Metode Backpropagation tersebut memberikan keakuratan untuk citra latih sebesar 100%, dan untuk citra uji nilai rata-rata keakuratan 78,33 %, dimana nilai tersebut masih perlu ditingkatkan dengan menggunakan metode lain. Oleh karena itu, pada penelitian ini penulis mencoba memberikan alternatif pemecahan masalah dengan metode pembelajaran Radial Basis Function, sehingga diharapkan penelitian ini dapat digunakan untuk membantu pekerjaan para dokter dan pihak laboratorium dalam mengidentifikasi morfologi normal dan abnormal sel darah merah (eritrosit)

II. DASAR TEORI II.1 Fisiologi Darah Darah merupakan bagian dari cairan ekstrasel yang menjalankan fungsi transport, fungsi regulasi dan fungsi pertahanan tubuh. Sel darah merah (eritrosit) normal berbentuk bulat atau agak oval dengan diameter 7 – 8 mikron (normosit). Dilihat dari samping, sel darah merah (eritrosit) nampak seperti cakram atau bikonkaf dengan sentral akromia kira-kira ⅓ - ½ diameter sel. Dalam mengevaluasi morfologi sel darah merah (eritrosit) pada sediaan apus, ada 4 hal yang harus diperlihatkan : 1. bentuknya (shape), 2. ukurannya (size), 3. warnanya (staining), dan 4. struktur intraselluler (structure.) Kelainan bentuk sel darah merah a. Ecchinocytes, biasa dijumpai pada beberapa kelainan sistemik, seperti gagal ginjal atau dehidrasi berat, atau kadang ditemukan pada penyakit hati. b. Elliptocytes, biasanya ditemukan pada penderita anemia. c. Poikilocytes, biasanya ditemukan pada anemia yang parah seperti : myelosclerosis, megaloblastic anemia, iron deficiency anemia, microangiopathic hemolysis, dan thalassemia. d. Schistocytes, biasanya ditemukan pada anemia hemolitik mekanik seperti : valvular protheses, microangiopathic hemolysis, permukaan artifisial , dan pada disseminated intravascular coangulation, thrombotic thrombocytopenic coangulation, serta vascular prosthetic surgency. e. Sickle cell, ditemukan pada penyakit Hb-pati. f. Tear Drop Cell, dapat dijumpai pada talasemia, anemia megaloblastik dan myelofibrosis

II.2 Jaringan Syaraf Tiruan Radial Basis Function Radial Basis Function adalah model neural network yang mentransformasi input secara nonlinear dengan menggunakan fungsi aktivasi Gaussian pada lapisan unit hidden sebelum diproses secara linear pada lapisan output. Seperti halnya jaringan saraf tiruan yang lain, Radial Basis Function juga memiliki topologi jaringan. Topologi milik Radial Basis Function terdiri atas unit lapisan masukan (input), unit lapisan tersembunyi (hidden), dan unit lapisan keluaran (output).

Gambar 1 Topologi Radial Basis Function Pada jaringan radial basis function, pemrosesan sinyal dari input layer ke hidden layer bersifat nonlinier, sedangkan dari hidden layer ke ouput layer sifatnya linear. Pada hidden layer digunakan sebuah fungsi aktivasi yang berbasis radial, misalnya fungsi Gaussian. Fungsi Gaussian bisa dituliskan sebagai berikut,

di mana adalah nilai spread yaitu nilai yang menentukan bagaimana data tersebar. Jika nilai spread makin besar sensitivitas antardata semakin berkurang. Radial Basis Function bersifat feedforward dimana jaringan feed-forward adalah jaringan yang signalnya bergerak dari input kemudian melewati lapisan tersembunyi dan akhirnya mencapai unit output (mempunyai struktur perilaku yang stabil).

Berguna atau setidaknya suatu jaringan saraf tiruan ditentukan dari hasil pelatihannya yang berupa bobot neuronnya. Radial Basis Function memiliki algoritma pelatihan yang agak unik karena terdiri atas metode supervised dan unsupervised sekaligus, dimana metode supervised merupakan metode yang setiap pola yang diberikan ke dalam jaringannya telah diketahui outputnya. Selisih antara pola output aktual (output yang dihasilkan) dengan pola output yang dikehendaki (output target) yang disebut error digunakan untuk mengoreksi bobot jaringan. Sedangkan metode unsupervised adalah metode yang tidak membutuhkan target output. Pada metode ini tidak dapat ditentukan hasil seperti apakah yang diharapkan selama proses pembelajaran. Kombinasi antara 2 jenis metode ini pada jaringan Radial Basis Fnction menghasilkan suatu sistem yang handal dalam mengatasi ketidaklinearan sistem itu sendiri. III. PERANCANGAN SISTEM Penelitian ini dilakukan dengan beberapa tahapan, yang pertama dilakukan adalah pengambilan data sel darah merah (eritrosit). Selanjutnya dilakukan tahap pngolahan citra untuk memilih data yang memiliki korelasi baik untuk dijadikan sebagai input sistem. Untuk menentukan morfologi sel darah merah (eritrosit), digunakan sistem jaringan syaraf tiruan Radial Basis Function. Perancangan sistem jaringan syaraf tiruan Radial Basis Function terdiri atas 2 tahap, yaitu tahap pelatihan dan tahap pengujian, dimana citra latih sebanyak 15 untuk setiap bentuk sel darah merah (eritrosit) yaitu bentuk normal, ecchinocytes, elliptocytes, poikilocytes, schistocytes, sickle cell dan tear drop cell digunakan untuk membantu sistem mengenali pola-pola tertentu untuk selanjutnya kan diujikan menggunakan citra uji yang berjumlah 10 untuk setiap bentuk sel darah merah (eritrosit)

tersebut. Langkah selanjutnya dilakukan analisis mengenai kinerja dan ketepatan prediksi sistem, selanjutya dibuat laporan hasil penelitian ini

Gambar 2 Metodologi penelitian III. 1 Perancangan Desain Antar Muka Untuk keperluan perancangan sistem, maka pada penelitian ini digunakan fasilitas GUI (Graphical User Interface), yang merupakan salah satu fasilitas yang disediakan oleh perangkat lunak Matlab 7.7. Dengan GUI dapat dibuatkan model tampilan sedemikian rupa yang disesuaikan dengan keperluan penentuan morfologi sel darah merah (eritrosit).

Gambar 3 Tampilan GUI

IV. HASIL DAN PEMBAHASAN IV.1 Proses Pengolahan Citra IV.1.1 Proses Akusisi Citra Proses akuisisi citra ini bertujuan untuk mengatur citra sedemikian rupa sehingga diperoleh ROI (region of interest) berupa satu gambar sel darah merah baik yang normal maupun abnormal (dengan berbagai bentuk) untuk diproses selanjutnya. Penentuan ROI diperlukan untuk mengurangi ukuran citra yang akan diproses sehingga waktu perhitungan menjadi lebih cepat. Perhitungan ROI dilakukan dengan cara memilih serta mencuplik atau cropping area yang diinginkan, pada program ini area cropping diseragamkan menjadi 50x50 piksel untuk melihat kemungkinan adanya sel yang berukuran lebih besar/lebih kecil dari kondisi normal. IV.1.2 Proses Grayscale Ide dasar dari proses pengkonversian citra RBG menjadi citra grayscale sebenarnya adalah membuat band tunggal dari 3 band RGB tersebut untuk mendapatkan suatu citra grayscale. Pemrosesan pada tingkat abu-abu ini dipilih karena lebih sederhana, yaitu hanya menggunakan sedikit kombinasi warna sehingga dapat memperjelas perbedaan warna sel dengan latar belakang dan dengan citra abu-abu dirasakan sudah cukup untuk memproses peta yang semula berupa RGB color dengan liputan abu-abu. IV.1.3 Proses Deteksi Tepi Proses deteksi tepi dilakukan terhadap citra hasil grayscale untuk mendapatkan pola yang lebih jelas agar didapatkan informasi yang lebih mencolok dari citra sel darah merah (eritrosit) yang akan dikenali polanya. Untuk nilai ambang (δ) akan digunakan empat nilai ambang untuk melihat perbedaan δ yang mana paling baik digunakan yaitu 0,75 karena dianggap paling optimal.

IV. 2 Proses Ekstraksi Ciri Proses ekstraksi ciri ini dilakukan tanpa mereduksi citra untuk mempertahankan detail-detail pada setiap citra sehingga citra yang awalnya berukuran 50x50 piksel diubah menjadi matriks berdimensi 50x50 dimana setiap kotak mewakili 1 piksel citra. Data tersebut kemudian ditransformasi menjadi matriks 2500x1. Data inilah yang akan menjadi input dari jaringan syaraf tiruan Radial Basis Function, agar sistem dapat mengenali morfologi normal dan abnormal sel darah merah (eritrosit) dari segi bentuk. IV.3

Proses Identifikasi Jaringan syaraf tiruan Radial Basis Function digunakan untuk mengidentifikasi setiap citra yang diinputkan pada sistem. Pada proses ini dilakukan proses pelatihan jaringan, pengujian jaringan, dan pengukuran performansi sistem. Citra latih yang diambil adalah citra sel darah merah (eritrosit), yang kemudian dibuatkan pola untuk tiap bentuk normal dan abnormal. Pola tersebut berasal dari hasil ekstraksi ciri citra latih yang menjadi pola data referensi bagi sistem. Citra latih terdiri atas 105 citra sel darah merah (eritrosit) yaitu 15 citra normal dan 90 citra abnormal dengan 6 (enam) bentuk. Citra uji terdiri atas 70 citra sel darah merah (eritrosit) yaitu 10 citra normal dan 60 citra abnormal dengan 6 (enam) bentuk. IV.3.1 Pelatihan Jaringan Syaraf Tiruan Proses pelatihan dengan jaringan syaraf tiruan pada penelitian ini menggunakan metode Radial Basis Function (RBF) dengan syntax pada pemrograman Matlab 7.7 sebagai berikut : [net,tr] = newrb(P,T,GOAL,SPREAD,MN,DF)

Dimana : P = input latih T = target latih GOAL = mean squared error (MSE) goal SPREAD = spread of RBF MN = jumlah maksimum neuron / epoch DF = penambahan jumlah neuron yang ditampilkan. IV.3.2 Pengenalan Jaringan Syaraf Tiruan Setelah sistem dilatihkan, maka jaringan siap untuk diujikan terhadap citra uji yang berupa citra normal dan abnormal sel darah merah (eritrosit) . Tahap pengujian sistem dilakukan terhadap citra uji yang telah melalui proses awal dan ekstraksi ciri seperti yang telah dianalisis sebelumnya. Proses pengujian terhadap 175 sampel citra normal dan abnormal sel darah merah (eritrosit) yang terdiri dari 105 citra latih (validasi) dan 70 citra uji. IV.4. Keakuratan Sistem Keakuratan jaringan syaraf tiruan dalam mengenali morfologi normal dan abnormal sel darah merah (eritrosit) yang telah dilatihkan menghasilkan persentasi yang cukup besar yaitu 88,57%. Kecepatan Sistem Pengujian kecepatan sistem dalam menentukan penentuan morfologi normal dan abnormal sel darah merah (eritrosit), dilakukan dengan menghitung waktu yang dibutuhkan oleh sistem untuk dapat mengenali citra yang diinputkan padanya.

Dari tabel 1 diperoleh total waktu yang diperlukan oleh sistem untuk dapat menentukan morfologi normal dan abnormal sel darah merah (eritrosit) adalah 0,849087114 detik. V.

PENUTUP

Kesimpulan Dari penelitian morfologi sel darah merah (eritrosit) berbasis pengolahan citra dan jaringan syaraf tiruan Radial Basis Fuction maka dapat disimpulkan bahwa : 1. Hasil keakuratan untuk citra uji diperoleh sekitar 70 – 100 %, dengan nilai rata-rata keakuratan 88,57 %. 2. Hasil peningkatan akurasi untuk citra yang gagal dikenali menghasilkan keakuratan sebesar 100%. 3. Waktu yang dibutuhkan oleh sistem mulai dari proses pengambilan gambar hingga pengenalan adalah 0,849087114 detik. 4. Tidak maksimalnya tingkat keakuratan sistem disebabkan karena adanya kemiripan antara 1 bentuk sel darah merah dengan sel darah merah lainnya dan rotasi yang sangat besar sehingga mempengaruhi hasil identifikasi sistem.

IV.5

Tabel 1 Hasil pengujian Kecepatan Sistem Proses Waktu (detik) Pengambilan 0,089237 Gambar Grayscale 0,001116 Deteksi Tepi 0,025209 Ekstraksi Ciri 0,000008 Pelatihan (CPU 0,713737114 time/105 data) Pengenalan 0,019780 Total Waktu 0,849087114

DAFTAR PUSTAKA [1]

[2]

[3]

[4]

[5]

Warni, E. (2007) Penentuan Morfologi Sel Darah Merah (Eritrosit) berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan. Thesis, Universitas Hasanuddin Siregar, H., Yusuf, I. & Gani, A. (1995) Fisiologi Sel dan Cairan Tubuh. Universitas Hasanuddin Patologi Klinik. (2002) Diktat Hematologi. Universitas Hasanuddin Munir, R. (2004) Pengolahan Citra Digital. Bandung: Informatika Gonzalez, R. C. & Woods, R. E. (1992) Digital Image Processing. New Jersey: Prentice Hall

[6]

[7]

[8]

[9]

[10]

[11]

Libor Masek. (2003) Recognition of Human Iris Patterns for Biometric Identification. The University of Western Australia Nixon, M. S & Aguado, A. S. (2002) Feature Extracton and Image Processing. London: Newnes Siang, Jong Jek. (2005) Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta: Penerbit Andi http://agus_diantara.blogspot.com/ 2011_03_01_archive.html [Diakses 4 Februari 2012] Hermawan, A. (2006) Jaringan Syaraf Tiruan Teori dan Aplikasi. Yogyakarta: Penerbit Andi http://imudjdnk.files.wordpress .com/2010/10/rbf.jpg [Diakses 4 Februari 2012]

Erny Apriany Sylwana. Lahir pada 27 April 1990 di Ujung Pandang, Sulawesi Selatan, Indonesia. Anak kedua dari pasangan Ir. Rasulong dan Hj. Nurjannah. Pada tahun 2008-sekarang menjalankan studi S1 di Jurusan Elektro Fakultas Teknik Universitas Hasanuddin Makassar, subjurusan Teknik Telekomunikasi dan Informasi. Sejak Maret 2010 telah menjadi asisten di Laboratorium Listrik Dasar. Quatrine Wahyuni. Lahir pada 6 Maret 1992 di Lyon, Perancis. Anak keempat dari pasangan Dr. Ir. M. Kasim Pateha, DEA dan Dra. Hj. Nursiah Hasyim, CES., Apt. Pada tahun 2008sekarang menjalankan studi S1 di Jurusan Elektro Fakultas Teknik Universitas Hasanuddin Makassar, subjurusan Teknik Telekomunikasi dan Informasi. Sejak September 2010 telah menjadi asisten di Laboratorium Telekomunikasi, Radio dan Microwave.