SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM)

Transkripsi

1 SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM) SKRIPSI FANNY SARI WULANDARI PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

2 SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat tugas akhir FANNY SARI WULANDARI PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

3 iii PERSETUJUAN Judul Kategori Nama Nomor Induk Mahasiswa : Program Studi Fakultas : SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM) : SKRIPSI : FANNY SARI WULANDARI : SARJANA (S1) TEKNOLOGI INFORMASI : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 2014 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Muhammad Anggia Muchtar, ST., MM.IT Romi Fadillah Rahmat, B.Comp.Sc, M.Sc NIP NIP Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP

4 iv PERNYATAAN SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkab sumbernya. Medan, Oktober 2014 Fanny Sari Wulandari

5 v PENGHARGAAN Puji syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat, nikmat dan hidayah-nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi. Penulis menyadari bahwa bantuan dan bimbingan dari berbagai pihak sangatlah penting untuk menyelesaikan skripsi ini. Maka dalam kesempatan ini penulis ingin mengucapkan terimakasih sebesar-besarnya kepada: 1. Papa dan mama selaku kedua orangtua penulis, Harianto dan Siti Amnah Siregar yang sudah memberikan do a, dukungan, semangat serta kasih sayangnya sepenuh hati. Penulis berharap dapat memberikan yang terbaik dan membuat kedua orangtua penulis bangga. 2. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, seluruh dosen serta seluruh pegawai Program Studi S1 Teknologi Informasi. 3. Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, Bapak M. Anggia Muchtar, ST., MM.IT dan Bapak M. Fadly Syahputra, B.Sc., M.Sc.IT. 4. Dosen Pembimbing Satu dan Dua, Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc dan Bapak M. Anggia Muchtar, S.T., MM.IT yang telah banyak menyediakan waktu dan membagi ilmu untuk membimbing dan mengarahkan penulis dalam menyelesaikan skripsi ini. 5. Dosen Penguji Satu dan Dua, Bapak M. Fadly Syahputra, B.Sc., M.Sc.IT dan Bapak Dani Gunawan, ST.MT yang telah membantu mengarahkan penulis dalam menyusun skrispsi ini dengan sangat baik. 6. dr. Alya Amalia Fitrie, M.Kes selaku dosen histologi Fakultas Kedoteran Universitas Sumatera Utara dan dr. Dewi Indah Sari Siregar, MKed.(ClinPath), SpPK selaku dokter Patologi Klinik yang telah membantu penulis dalam memperoleh data sel darah merah. 7. Kakak-kakak dan abang penulis Fibriyanti Sari Dewi, Fushanty Ica Amhar, Fushanny Ice Amhar, Syahbana Sari Muda yang telah memberi dukungan, semangat dan kasih sayang yang tak terhingga, yang terkasih M. Fauzan yang telah sabar dan memberikan semangat kepada penulis dalam menyelesaikan skripsi ini, serta orangtua asuh, H. Sugiono Asmar, SP. QIA yang telah memberikan do a, dukungan dan semangat kepada penulis. 8. Kepada sahabat Melinda, Raisha, Winda, Enggar, Ade M, Rima, Uti, Yunisya, Yana, Hani, Dijah, Juju, Ade T, Ibnu, Dullah, Reza, Fadli Rizky, Fadli Rachman, Memed, Ammar, Ridzuan, Dezi, Yogi serta teman-teman Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu.. Penulis sadar bahwa skripsi ini belum sempurna. Dengan kerendahan hati penulis mengharapkan kritik dan saran yang membangun. Semoga Allah selalu memberikan yang terbaik serta berkah dan rahmat-nya untuk kita semua. Aamin Yaa Rabbalalamin

6 vi ABSTRAK Darah merupakan komponen esensial makhluk hidup yang berada dalam ruang vaskuler. Untuk mengidentifikasikan suatu penyakit dapat diuji melalui tes darah, salah satunya dapat dilihat dari bentuk sel darah merah. Morfologi normal dan abnormal dari sel darah merah seorang pasien sangat membantu para dokter dalam mendeteksi suatu penyakit. Dengan kemajuan teknologi pengolahan citra digital dapat digunakan untuk mengiidentifikasi sel darah normal dan abnormal seorang pasien. Penelitian ini menggunakan metode selforganizing map untuk mengklasifikasikan jenis sel darah merah normal dan abnormal dalam sebuah citra digital. Penggunaan metode jaringan syaraf tiruan self-organizing map dapat mengklasifikasikan bentuk sel darah merah normal dan abnormal pada citra masukan dengan akurasi pengujian 93,78%. Kata kunci: self-organizing map, sel darah merah, pengolahan citra digital

7 vii APPLICATION FOR CLASSIFICATION SHAPE OF NORMAL AND ABNORMAL RED BLOOD CELL USING SELF-ORGANIZING MAP (SOM) ABSTRACT Blood is an essential component in the vascular space of living creature. The identification of a disease can be tested through a blood test. By seeing shape of the red blood cell is one of the methods to identify a disease. Normal and abnormal morphology of red blood cell of a patient really help doctors to diagnose a disease. Advances in technology of digital image processing give many advantages to identification normal and abnormal red blood cell of a patient. This research use Self-organizing map to classify between normal and abnormal red blood cell of a digital image of red blood cell. The use of neural network of self-organizing map method can classify normal and abnormal red blood cell from an image with accuracy of testing 93,78 %. Keyword: self-organizing map, red blood cell, digital image proccesing

8 viii DAFTAR ISI Halaman PERSETUJUAN iii PERNYATAAN iv PENGHARGAAN v ABSTRAK vi ABSTRACT vii DAFTAR ISI viii DAFTAR GAMBAR x DAFTAR TABEL xi BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Studi Literatur 4 BAB 2 LANDASAN TEORI Sel Darah Merah Sel darah merah normal Sel darah merah abnormal Perhitungan darah Perhitungan sel Pengolahan Citra Digital Pengertian citra Penerapan pengolahan citra digital Aras Keabuan (grayscale) Pengambangan (Thresholding) Erosi Dilasi 9

9 ix Momen Invariant Roundness (R) Unsupervised learning Self-Organizing Map Penelitian Terdahulu 13 BAB 3 ANALISIS DAN PERANCANGAN Data Yang Digunakan Analisis Sistem Blok diagram sistem Perancangan sistem Diagram use case Use case spesifikasi Diagram aktivasi Perancangan Tampilan Antarmuka Rancangan halaman awal Rancangan halaman utama Tampilan halaman tambah data latih 28 BAB 4 IMPLEMENTASI DAN PENGUJIAN Implementasi Sistem Perangkat keras Perangkat lunak Pengujian Kinerja Sistem Pelatihan Pengujian Sistem 46 BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran 55 DAFTAR PUSTAKA 57

10 x DAFTAR GAMBAR Halaman Gambar 2.1 Sel darah merah normal 6 Gambar 2.2 Jenis sel darah merah abnormal 7 Gambar 2.3 Arsitektur jaringan syaraf kohonen 13 Gambar 3.1 Sel darah merah normal dan abnormal 15 Gambar 3.2 Diagram blok sistem identifikasi sel darah merah normal 16 dan abnormal Gambar 3.3 Proses citra grayscale 17 Gambar 3.4 Proses thresholding citra sel darah merah 17 Gambar 3.5 Proses erosi citra sel darah merah 18 Gambar 3.6 Proses dilasi citra sel darah merah 18 Gambar 3.7 Ekstraksi ciri menggunakan metode momen invariant dan 19 roundness Gambar 3.8 Flowchart SOM 20 Gambar 3.9 Use case diagram sistem 22 Gambar 3.10 Diagram aktivasi proses pengenalan citra sel darah merah 24 Gambar 3.11 Diagram aktivasi proses latih jaringan 25 Gambar 3.12 Rancangan antarmuka sistem pengenalan sel darah merah 25 Gambar 3.13 Tampilan halaman utama sistem 26 Gambar 3.14 Tampilan halaman tambah data latih 28 Gambar 4.1 Halaman awal 31 Gambar 4.2 Halaman pengenalan 32 Gambar 4.3 Tampilan sel abnormal 32 Gambar 4.4 Halaman tambah data latih 33 Gambar 4.5 Citra uji 1 47 Gambar 4.6 Hasil citra uji ke-2 48 Gambar 4.7 Hasil citra uji ke-3 50 Gambar 4.8 Hasil citra uji ke-4 51 Gambar 4.9 Hasil citra uji ke-5 52

11 xi DAFTAR TABEL Halaman Tabel 2.1 Penelitian Terdahulu 14 Tabel 3.1 Usecase spesifikasi proses pengenalan citra 22 Tabel 3.2 Usecase spesifikasi proses tambah data latih 23 Tabel 4.1 Parameter pelatihan identifikasi sel darah merah 33 Tabel 4.2 Data Latih atau data acuan 34 Tabel 4.3 Hasil uji pada gambar Tabel 4.4 Hasil uji pada gambar Tabel 4.5 Hasil uji pada gambar Tabel 4.6 Hasil uji pada gambar Tabel 4.7 Hasil uji pada gambar Tabel 4.8 Persentase tingkat keakuratan pada gambar sel darah 53 merah