Documente Academic
Documente Profesional
Documente Cultură
ABSTRACT
Red blood cells in blood vessels play a very crucial role for our bodies. The
information about sorts of diseases can be obtained through the number of red blood cells.
Complete Blood tests (CBC) is commonly done with a counting machine; however, this
machine actually has a limitation when there are a number of abnormal blood cells found.
The manual /microscopic test will provide information about the abnormal red blood cells
and erythrocyte variation. However, the manual count takes long time, so it requires a
system that can make it efficient in testing the red blood cells, in minimizing the time of the
red blood cell test, and also in minimizing the fault of diagnostic analysis by the doctor,
since one analysis made by a doctor is different from another. Therefore, it requires a
system that can count the number of blood cells on an image rapidly and automatedly to
obtain an accurate analysis and proof. This study is aimed at detecting and counting the
number of normal and abnormal red blood cells on a digital image using image
segmentation method. The image segmentation means splitting an image into
homogeneous spots based specific similarity criteria between grey-scale levels of a pixel
and grey-scale levels of neighboring pixels. Then the result of the segmentation process
will be used to the next high level process which can be done toward an image.
ABSTRAK
Sel darah merah merupakan sel darah yang terdapat pada pembuluh darah yang
berperan penting bagi tubuh kita. Informasi adanya suatu penyakit dapat diketahui dari
jumlah sel darah. Pemeriksaan darah secara lengkap biasanya menggunakan mesin hitung
namun mesin tersebut memiliki keterbatasan ketika terdapat sel yang abnormal.
Pemeriksaan manual secara mikroskopik akan memberikan informasi mengenai sel darah
merah yang abnormal dan variasi bentuk eritrosit. Namun perhitungan secara manual
membutuhkan waktu yang cukup lama sehingga diperlukan suatu sistem yang dapat
menghitung jumlah sel darah merah abnormal dan normal. Dengan sistem ini dapat
mengefesiensi waktu pengecekan sel darah merah dan juga agar minimalisir kesalahan
analisis diagnosa oleh dokter, karena analisis yang dilakukan oleh dokter tidak selalu
sama antara dokter yang satu dengan dokter yang lain. Ketelitian dan konsentrasi dokter
sangat menentukan hasil analisis. Oleh karena itu perlu dibuat suatu sistem yang dapat
menghitung jumlah sel pada suatu citra secara cepat dan terautomatisasi, sehingga
diperoleh analisis dan bukti yang akurat. Pada penelitian ini mempunyai tujuan untuk
mendeteksi dan menghitung jumlah sel darah merah abnormal dan normal pada citra
digital dengan menggunakan metode segmentasi citra. Segmentasi citra mempunyai arti
membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria
keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan
piksel – piksel tetangganya, kemudian hasil dari proses segmentasi ini akan digunakan
untuk proses tingkat tinggi lebih lanjut yang dapat dilakukan terhadap suatu citra.
Kata Kunci : Sel Darah Merah Abnormal dan Normal, Segmentasi Citra.
Open
peningkatan kontras citra. Hal ini Dapat di lihat pada gambar berikut ini:
dimaksudkan agar citra menjadi lebih
baik sehingga mudah untuk dideteksi
tepi.
2.2.4. Melakukan Deteksi Tepi Citra
Gambar 1. Proses dari Gambar Tepi ke
Sebelum melakukan segmentasi Segmentasi
citra terlebih dahulu harus dideteksi
2.2.6. Menghitung Jumlah Pixel Citra
tepi. Tujuannya adalah untuk
Acuan dengan Citra yang akan
mendapatkan bagian citra yang akan
diolah
disegmentasi. Dalam hal ini operator
Setelah objek di segmentasi, objek
deteksi tepi yang saya gunakan adalah
dihitung jumlah pixel putihnya dan
operator deteksi tepi Canny.
kemudian dibandingkan jumlah pixel
2.2.5. Melakukan Segmentasi citra
putihnya dengan pixel citra acuan. Area
Segmentasi yang paling sederhana
A adalah jumlah pixel-pixel penyusun
dilakukan dengan metode ambang
objek dan satuannya adalah pixel
intensitas(thresholding). Nilai yang
karena pixel-pixel inilah yang
lebih kecil daripada nilai ambang
membentuk suatu luasan.
diberlakukan sebagai area pertama dan
yang lebih besar daripada atau sama
III. HASIL DAN PEMBAHASAN
dengan nilai ambang dikelompokkan
3.1. Hasil Penelitian Sistem
sebagai area yang kedua. Dalam hal
Pendeteksi Jumlah Sel Darah Merah
ini, salah satu area tersebut
Dalam penelitian ini sel darah merah
berkedudukan sebagai latar belakang.
dapat diketahui berdasarkan ciri-ciri sel
Cara seperti itulah yang disebut dengan
darah merah tersebut. Sel darah merah di
metode pengambangan dwi-aras(bi-
dalam tubuh manusia ada yang normal ,
level thresholding) atau terkadang
kekurangan sel darah merah (Anemia) dan
dinamakan pengambangan intensitas.
kelebihan sel darah merah (Polisitemia).
Proses ini adalah perubahan dari
Fungsi program ini menghitung jumlah sel
gambar tepi ke segmentasi.
darah merah dengan mengacu kepada sel
darah merah normal.
Keterangan :
bahan acuan, masukan atau perbandingan [2] Awcock, G.W. 1996. Applied Image
sebagai berikut : Processing.Singapore. McGraw-Hill
Book.
1. Penelitian dapat dilakukan dengan
[3] Eko Prasetyo. 2011. Pengolahan Citra
metode segmentasi yang lain seperti
Digital dan Aplikasinya
region growing, watershed-based,
Menggunakan Matlab. Yogyakarta.
clustering dan lain-lain .
[4] Fauzi. Y dan Mayasari, Z.M., 2007,
2. Agar citra hasil deteksi tepi terlihat
Penggunaan Teknik Filtering
lebih baik perlu diteliti juga
Morfologi Matematik dalam
penggunaan operator tepi yang lain
Mengekstraksi Jaringan Jalan dari
seperti Prewitt, Robert, Laplacian, dan
Citra Satelit, Jurnal TEKNOSIA, Vol.
lain-lain.
1, No.1, hal: 7- 14Gonzalez. R.C. and
3. Penelitian berikutnya dapat dilakukan
Woods. R.E., 1993. Digital Image
dengan menambah jarak antara jumlah
Processing. Addison Wesley. USA.
pixel sel darah.merah normal yang
[5] Hartono, Jogiyanto. 1999. Analisis
lebih spesifik, agar jumlah pixel sel
Dan Disain Sistem Informasi:
darah merah yang normalnya tidak
pendekatan terstruktur teori dan
hanya satu saja.
praktek aplikasi bisnis.
4. Penelitian selanjutnya dapat dilakukan
[6] Indrawati. 2013. Analisis Unjuk
dengan menambahkan fasilitas
Kerja Deteksi Tepi Pada Citra Digital
konversi perhitungan jumlah pixel
Untuk Peningkatan Kualitas Detail
persatuan setiap sel darah merah.
Tepi Citra. Prosiding SNYuBe.177-
183.
UCAPAN TERIMAKASIH
[7] Jain, A.K. 1989. Fundamentals of
Penulis mengucapkan terima kasih
Digital Image Processing, Prentice
kepada dosen pembimbing dan teman-
Hall of India.
temanku yang telah memberi dukungan
[8] Kartikasari, D. 2013. Sistem
financial dan tempat penelitian ini.
Pendeteksian Dan Perhitungan
Jumlah Sel Darah Merah Abnormal
DAFTAR PUSTAKA
dan Normal Berdasarkan Pengolahan
[1] Arifin, Z. 2009. Evaluasi
Citra Digital Menggunakan Matlab.
Pembelajaran, Prinsip, Teknik,
Prosedur. Bandung: P.T Remaja UNIKOM Bandung, Bandung.
Rosdakarya.
[9] Komputer, Wahana. 2013. Adobe [16] Roger S. Pressman, 2002. Rekayasa
Dreamweaver CS6. Yogyakarta: Perangkat Lunak Pendekatan
Andi. Praktisi (Buku Satu), ANDI
[10] Linda Shapiro and George Yogyakarta.
Stockman, 2001. Computer Vision, [17] Sutoyo. T., Vincent Suhartono, Oky
Prentice Hall,2001 , Prentice Hall. Dwi Nurhayati dan Wijayanto.
[11] Marvin Ch. Wijaya dan Agus 2009. Teori Pengolahan Citra
Prijono. 2007. Pengolahan Citra Digital. UNIDUS Semarang dan
Digital Menggunakan Matlab, Andi Yogyakarta.
Penerbit Informatika, Bandung.
[12] Munir, R. 2004. Pengolahan Citra
Digital dengan Pendekatan
Algoritmik. Informatika: Bandung.