SEMINAR TUGAS AKHIR ATMISYA WIYANTI NRP 2404 100 032 Dosen Pembimbing Dr.rer.nat.Ir. Aulia M.T. Nasution, M.Sc. Suyanto,ST.MT JURUSAN TEKNIK FISIKA Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2010
Pendahuluan (1) Latar Belakang Informasi tentang Jenis sel darah putih sangat penting. Pengklasifikasian sel darah putih secara manual : akurasi <<< Tujuan Tujuan dari Tugas Akhir ini adalah mengklasifikasikan komposisi sel darah putih dengan menggunakan Multilayer Perceptron Network
Pendahuluan (2) Batasan Masalah : Obyek = Sel darah putih manusia sehat Citra digital yang akan diolah adalah citra digital dari sel darah putih yang diambil dengan mikroskop yang dilengkapi dengan kamera CCTV berwarna. Jenis sel darah putih yang diambil adalah neutrofil, limfosit dan eosofil Manfaat Penelitian ini diharpkan dapat meberikan manfaat bagi dunia kedoteran dalam proses klasisifikasi komposisi sel darah putih secara tepat dan akurat
Dasar teori (1) Limphosit Limfosit merupakan sel yang sferis, garis tengah 6-8 um, 20-30% dari leukosit darah. Jumlah limfosit adalah kedua paling banyak setelah neutrophil. Limfosit lebih umum dalam sistem limfa. Netrophil Neutrofil berkembang dalam sumsum tulang dikeluarkan dalam sirkulasi, sel ini merupakan 60-70 % dari leukosit yang beredar. Neutrofil mempunyai sebuah nukleus yang berwarna ungu dan bercabang 2-5 segment atau lobus, garis tengah sekitar 12 um Lobus neutrofil ini dipisahkan oleh helai tipis atau filament dari nuclear material. Eusinophil Jumlah eosinofil hanya 1-4 % dari leukosit darah, mempunyai garis tengah 9um (sedikit lebih kecil dari neutrofil). Inti biasanya berlobus dua. Eosinofil mempunyai satu inti dan cytoplasma yang berwarna biru pucat, yang dibungkus atau dipenuhi dengan refraktile besar, granula berwarna orangemerah
Dasar teori (2) Pre-Processing a. Histogram equalization = distribusi intensitas b. Thresholding = segmentasi dan binerisasi citra c. Filter Median = menghilangkan salt & pepper Operasi Morfologi a. Segmentasi b. Deteksi Tepi Canny
Dasar Teori (3) Jaringan Syaraf Tiruan : Faktor yang penting : a. Arsitektur jaringan b. Metode training c. Fungsi aktifasi (6)
Metodologi penelitian (1) Diagram alir perancangan algoritma
Metodologi penelitian (3) Diagram alir operasi morfologi sel darah putih
Metodologi Penelitian (4) Diagram alir pembuatan,input data based
Analisa Data Citra Gray Filter Median Segmented Image Citra Gray Filter Median Segmented Image Citra Gray Filter Median Segmented Image Citra RGB Citra grayscale Hasil citra yang telah di filter median Segmentasi image
Analisa Data Canny Canny Citra dirubah ke dalam matrik biner, sebagai inputan dari backpropagasi Canny Hasil citra yang telah diteksi tepi Canny Hasil citra yang telah cropping
Analisa Data Tabel Nilai MSE dan jumlah epoch yang didapatkan berdasarkan banyaknya unit pada hidden layer( hasil training limfosit dan neutrophil)
Analisa Data Tabel Nilai MSE dan jumlah epoch yang didapatkan berdasarkan banyaknya unit pada hidden layer (hasil training eusinophil)
Analisa Data Tabel Hasil testing morfologi Citra Limfosit Tabel Hasil testing morfologi Citra Neutrophil
Analisa Data Tabel testing morfologi Citra Eusinophill Tabel Tingkat keakuratan algoritma backpropagation untuk mengklasifikasi komposisi sel darah putih
KESIMPULAN DAN SARAN (1) Kesimpulan yang dapat diambil dari tugas akhir ini tentang klasifikasi komposisi sel darah putih dengan menggunakan multilayer perceptron network adalah 1. Telah dilakukan perancangan algoritma untuk klasifikasi komposisi sel darah putih berdasarkan ciri morfoginya dengan menggunakan algoritma backpropagation 2. Akurasi perhitungan jumlah komposisi sel darah putih percitra dengan metode pengenalan berdasarkan pada algoritma backpropagasi adalah 80% pada hidden layer 170, neutrophil 80% pada hidden layer 170 dan eusinophil sebesar 100% pada hidden layer160 Saran Saran yang dapat disampaikan untuk penelitian selanjutnya adalah agar dapat mengklasifikan komposisi sel darah putih jenis lainnya yaitu basofil, dan monosit. Untuk meningkatkan akurasi klasifikasi komposisi sel darah putih tidak hanya berdasarkan ciri morfologinya saja,tetapi dapat berdasarkan tekstur dan warnanya
DAFTAR PUSTAKA 1) Barbara J. Bain.2004. A Beginner s Guide to Blood Cells 2nd ed. USA: Blackwell 2) Fausett,L. 1994. Fundamentals of Neural Network, Architecture, Algorithms, and Applications. Prentice Hall. 3) Gonzales,R.C. and Woods,R.E. 2002. Digital Image Processing with Matlab 2nd ed. Upper Saddle River, NJ: Prentice Hall. 4) Pelgur,Ali. Tanpa tahun. Determination of Types and Numbers of Leukocytes in Blood Samples. Turkey: Baskent University 5) Siang,JJ. 2005. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta: ANDI. 6) Sordo, Margarita. 2002. Introduction to Neural Network in Healthcare. Open clinical knowledge management for medical care. 7) Stanislav M and Nikola J. 2006. Automatic Classification of Leukocytes University of Belgrade. Journal Of Automatic Control 8) Victor Hugo C. de Albuquerque, Auzuir Ripardo de Alexandria,Paulo Cesar Cortez, Joao Manuel R.S. Tavares.2008. Evaluation Of Multilayer Perceptron And Self-Organizing Map Neuralnetwork Topologies Applied On Microstructure Segmentation From Metallographic Images. Elsevier 9) Vincenzo Piuri and Fabio Scotti. 2004 Morphological Classification of Blood Leucocytes by Microscope Image. Crema,Italy.University of Milan, Departement of information technologies 10) The MathWorks Inc. 2007. Image Processing Toolbox 6 User Guide. 11) Wijaya. Marvin CH. 2007. Pengolahan Citra Digital menggunakan Matlab.Bandung:Informatika.