Apaan taudah

Pendahuluan

Darah merupakan bagian penting dalam tubuh manusia dimana darah berfungsi untuk
mengangkut oksigen, menyuplai jaringan tubuh dengan nutrisi, mengangkut zat-zat sisa
metabolisme, dan peran penting lainnya. Darah dalam tubuh manusia digolongkan dalam jenis
penggolongan ABO yang terdiri dari A, B, O, dan AB.

Cara untuk menentukan golongan darah seseorang adalah dengan cara meneteskan
serum anti-A dan anti-B ke darah yang akan dikenali yang kemudian dilakukan pengamatan
langsung dengan mata telanjang terhadap reaksi tetesan tersebut. Namun, pengamatan
menggunakan mata telanjang terkadang menimbukan kesalahan dalam mengidentifikasi jenis
golongan darah yang dapat disebabkan karena terburu- buru dan kurangnya ketelitian sang
pengamat. Dan kesalahan dalam penentuan jenis golongan darah dapat membahayakan sang
pemilik darah tersebuta apabila beliau kekurangan darah dan hendak membutuhkan donor darah.
Karena itulah perlu metode untuk meminimalisir kesalahan tersebut. Jurnal penelitian ini
membahas tentang cara Pengenalan jenis golongan darah pada citra digital dengan menggunakan
Metode Jaringan Syaraf Tiruan Perceptron dengan tingkat akurasi mencapai 80,25 %

Metodologi

Metode pengenalan golongan darah dengan metode JST Perceptron hampir sama seperti
cara konvensional. Perbedaanya hanyalah metode dan pelaku pengamatannya dilakukan secara
komputerisasi, golongan darah dapat dikenali melalui pola dari citra darah yang telah telah
ditetesi serum anti A dan anti B. Setelah melalui beberapa tahap pengolahan citra, sistem
akan melakukan proses klasifikasi untuk menentukan jenis golongan darah dari citra darah
tersebut.

Metode pengenalan jenis golongan darah ini akan menggabungkan penentuan golongan
darah dengan metode image processing dan jaringan syaraf tiruan perceptron Jaringan syaraf
tiruan (JST) merupakan representasi buatan yang mencoba mensimulasikan proses
pembelajaran pada otak manusia Model JST Perceptron merupakan metode pelatihan
terbimbing (supervised). Metode terbimbing merupakan metode pelatihan yang memasukkan
target keluaran dalam data untuk proses pelatihannya. Hasil dari pelatihan tersebut akan
menghasilkan bobot baru yang digunakan untuk proses pengenalan.

Metode JST Perceptron sudah banyak digunakan pada pengenalan pola dengan tingkat
akurasi lebih dari 75%, sehingga metode ini sangat memungkinkan untuk diaplikasikan untuk
mengenali jenis golongan darah.

Data yang digunakan dalam pengujian di ambil dari unit donor darah Palang Merah
Indonesia (PMI) kota Semarang Jawa Tengah. Data yang digunakan adalah citra darah
yang telah ditetesi serum anti A dan serum anti B. Data dibagi menjadi 2 jenis, yaitu data
pelatihan dan data pengenalan. Data pelatihan berdasarkan 2 kelas yaitu citra darah gumpal
dan citra darah tidak gumpal, sehingga citra darah yang digunakan pada proses pelatihan
hanya satu tetes saja.

Arsitektur aplikasi pengenalan jenis golongan darah ini dimulai dari memasukkan
citra reagen. Citra reagen adalah citra darah yang telah ditetesi oleh serum anti A dan atau
serum anti B. Secara umum, sistem dibagi menjadi 2 proses, yaitu proses pelatihan dan
proses pengenalan.

Perbedaan antara proses citra reagen pelatihan dan citra reagen pengenalan hanya pada
tahap kedua setelah tahap input. Pada citra reagen pengenalan, citra terlebih dahulu dilakukan
tahap cropping terlebih dahulu. Cropping adalah proses pemotongan citra pada koordinat tertentu
pada area citra. Tujuannya adalah untuk mempermudah penganalisaan citra dan untuk
memperkecil penyimpanan citra. Tahap selanjutnya, tidak ada perbedaan antara pemrosesan citra
reagen pelatihan dan pengenalan

Tahap selanjutnya adalah Grayscalling. Cara mengubah citra berwarna yang

mempunyai nilai matrik masing masing r, g, dan b menjadi citra grayscale dengan nilai s, maka
konversi dapat dilakukan dengan mengambil rata-rata dari nilai r, g, dan b.

Kemudian setelah dirubah menjadi citra grayscale dilakukan tahap thresholding.

Operasi thresholding akan mengelompokkan nilai derajat keabuan setiap pixel ke dalam 2 kelas,
hitam dan putih. Dua pendekatan yang digunakan adalah pengambang secara global dan
pengambang secara local.

Setelah tahap pengambangan dilakukan kemudian dilakukan scalling, yaitu sebuah

operasi geometri yang memberikan efek memperbesar atau memperkecil ukuran citra input
sesuai dengan variable pengskalaan citranya.

Kemudian dilakukan deteksi tepi. Tepi (edge) adalah perubahan nilai intensitas
derajat keabuan yang mendadak (besar) dalam jarak yang singkat. Perbedaan intensitas inilah
yang menampakkan rincian pada gambar. Tepi biasanya terdapat pada batas antara dua daerah
berbeda pada suatu citra. Tepian dari suatu citra mengandung informasi penting dari citra
bersangkutan. Tepian citra merepresentasikan objek-objek yang terkandung dalam citra
seperti bentuk dan ukuran serta terkadang juga informasi tentang teksturnya.Tujuan operasi
pendeteksian tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau objek
di dalam citra.

Semua data hasil proses tersebut akan disimpan di dalam database micrososft access.
Kemudian data di dalam database tersebut akan disimpan dan digunakan untuk pelatihan JST
perceptron. Kemudian hasil dari pemrosesan citra reagen pengenalan juga akan disimpan dalam
database. Proses pengenalan golongan darah akan dilakukan oleh program yang dibuat
menggunakan matlab dengan memanfaatkan pengetahuan hasil pelatihan yang didapat dari
database yang nantinya akan menghasilkan Hasil Pengenalan Golongan Darah yang diuji.

Pengujian dilakukan dengan menggunakan 10 citra pengenalan untuk setiap jenis

golongan darah. Citra pengenalan merupakan citra baru dan bukan citra yang digunakan pada
proses pelatihan.Seluruh citra pengenalan dapat dilihat pada Tabel. Pengujian dibagi menjadi
2 parameter yaitu berdasarkan besar nilai laju pemahaman dan banyaknya data latih yang
digunakan. Laju pemahaman yang di uji adalah 0.5 dan 1. Banyaknya data latih akan
dimasukkan secara berkala, mulai dari 80, 100, 120, dan 140.
 Hasil Pengujian Akurasi Golongan Darah-Nilai laju pemahaman 0,5

Hasil Pengujian Akurasi Golongan Darah-Nilai laju pemahaman 1

Berdasarkan hasil pengujian, dapat diketahui bahwa semakin banyak variasi data
pelatihan maka akan semakin tinggi tingkat akurasi pengenalannya. Dan besar nilai laju
pemahaman juga memengaruhi akurasi pengenalan jenis golongan darah.

Selain itu, berdasarkan table, system lebih memahami atau lebih cenderung mengenali
bentuk pola darah yang menggumpal, seperti yang terlihat pada golongan darah AB dengan
tingkat akurasi pengenalannya mencapai 100%. Hal ini disebabkan karena setelah proses
preprosesing ada beebrapa citra pelatihan untuk darah tidak gumpal terdapat derau(noise).
Sehingga ciri yang diambil tidak sesuai dengan hasil diharapkan dan cenderung lebih mirip hasil
ciri untuk darah yang gumpal.

Kesimpulan

Banyaknya variasi citra data pelatihan memengaruhi tingkat akurasi system pengenalan
jenis golongan darah menggunakan jenis jaringan syaraf tiruan perceptron. Selain itu kualitas
citra juga perlu diperhatikan agar tidak memiliki banyak noise(derau) sehingga hasil dari
pengenalan dapat lebih akurat

Saran

Salah satu kunci dari tingkat akurasi metode perceptron terdapat pada process
preprosesing. Dengan demikian diharapkan agar proses preprosesing yang digunakan bisa lebih
beragam, terutama untuk mengoptimakan ekstrasi ciri. Selain pengambilan ciri berdasarkan
bentuk, perlu juga dikembangkan metode pengambilan ciri lainnya seperti berdasarkan warna
atau tekstur.

Versi lain kesimpulan dan saran

Metode pengenalan golongan darah berdasarkan jst metode perceptron sangat

bermanfaat karena tingkat akurasinya yang tinggi, yaitu mencapai 80,25%. Hanya saja,
sebaiknya data citra yang diambil untuk penentuan golongan darah harus diperhatikan
kualitas gambarnya agar tidak memiliki banyak noise sehingga hasil penentuan golongan
darah yang didapat lebih akurat.