1 PB PDF
1 PB PDF
**
Jurusan Ilmu Komputer/Informatika, Fakultas Sains dan Matematika,
Universitas Diponegoro
1
khairilfitryadi@gmail.com, 2)tik@undip.ac.id
Abstrak
Darah merupakan salah satu bagian penting dalam tubuh. Darah dibedakan menjadi
beberapa golongan yaitu A, B, O, dan AB. Secara konvensional, mendeteksi golongan
darah dengan cara meneteskan serum anti-A dan serum anti-B ke darah yang akan
dikenali kemudian melakukan pengamatan langsung terhadap reaksi tetesan serum
tersebut. Hal ini yang menyebabkan terjadi kesalahan identifikasi mulai dari kurang teliti
dan terburu-buru dalam mengamati. Pada penelitian ini, pengenalan golongan darah
pada citra digital menggunakan metode jaringan syaraf tiruan perceptron. Hasil dari
penelitian ini yaitu banyaknya variasi citra data pelatihan mempengaruhi tingkat akurasi
sistem pengenalan jenis golongan darah dan algoritma yang digunakan mampu
menghasilkan tingkat akurasi 80,25%.
Kata kunci: Jaringan syaraf tiruan, perceptron, golongan darah, darah, citra digital
Abstract
Blood is one of the important parts of the body. Blood can be divided into several groups,
namely A, B, O and AB. Conventionally, detecting blood group with dripping serum anti-
A and anti-B serum of blood to be recognized then direct observation of the reaction of
the serum droplets. This is causing the identification error occurs from less scrupulous
and rush in to observe. In this study, the identification of blood group on digital images
using artificial neural network perceptron. Results from this research that many
variations of the image of the training data affects the accuracy of the recognition system
blood group types and algorithms in use are capable of producing 80.25% accuracy rate.
Keywords: Artificial neural network, perceptron, blood type, blood, digital image
Naskah diterima 22 April 2016; revisi naskah diterima 23 Juni 2016; diterima untuk
publikasi 11 November 2016; dipublikasikan secara online 21 November 2016
sistem imun, diangkut dalam darah tempat Penelitian penentuan tipe golongan
cedera atau tempat invasi mikro organisme darah dengan teknik image prosessing telah
penyebab penyakit. Trombosit penting dilakukan [3,4,6]. Penelitian tersebut
dalam homeostasis, penghentian pendarahan bertujuan agar proses penentuan golongan
dari pembuluh yang cedera [5]. Jika darah darah dapat dilakukan dengan cepat
mengalami gangguan, maka segala proses diantaranya dengan melakukan proses
metabolisme tubuh akan terganggu pula. analisi secara otomatis, mulai proses
Salah satu penyakit yang terjadi pencampuran, pembacaan dan penentuan
karena gangguan darah adalah gagal ginjal. hasil golongan darah. Pada penelitian ini
Gagal ginjal terjadi karena kesalahan dalam menggabungkan penentuan golongan darah
transfusi darah yang mengakibatkan darah dengan metode image processing dan
dengan berbeda golongan tercampur dan jaringan syaraf tiruan perceptron.
membuat kerja ginjal menjadi lebih berat. Jaringan syaraf tiruan (JST)
Kesalahan dalam transfusi darah ini pernah merupakan representasi buatan yang
terjadi karena kesalahan dalam pengambilan mencoba mensimulasikan proses
data golongan darah seorang pasien. pembelajaran pada otak manusia. Beberapa
Kesalahan mendeteksi golongan darah metode JST yang dapat digunakan untuk
biasanya terjadi karena kurang teliti dan mengenali suatu citra atau pola adalah
terburu-buru dalam melakukan pengamatan. Backpropagation, Learning Vector
Oleh karena itu, dibutuhkan sebuah metode Quantization (LVQ), dan Perceptron.
yang mampu mengenali jenis golongan Model JST Perceptron merupakan
darah secara otomatis sehingga diharapkan metode pelatihan terbimbing (supervised).
dapat mempermudah petugas medis dalam Metode terbimbing merupakan metode
melakukan pemeriksaan golongan darah. pelatihan yang memasukkan target keluaran
Secara manual, pengenalan golongan dalam data untuk proses pelatihannya. Hasil
darah dilakukan dengan cara mengambil dua dari pelatihan tersebut akan menghasilkan
tetes darah yang akan diindetifikasi. Darah bobot baru yang digunakan untuk proses
tersebut akan diletakkan pada sebuah pengenalan. Beberapa penelitian yang telah
preparat dan dibagi dalam 2 bagian. Masing- dilakukan dengan menerapkan JST
masing bagian darah akan ditetesi serum perceptron khususnya dalam bidang
anti A dan anti B. Setelah di campur, akan pengenalan pola diantaranya “Pengenalan
dilakukan pengamatan secara langsung Motif Batik Dengan Rotated Wavelet Filter
dengan mata telanjang terhadap reaksi yang dan Neural Network” oleh saudara
terjadi pada darah yang telah ditetesi serum. Bernardinus Arisandi, dkk dengan tingkat
Dari hasil pengamatan ini akan ditentukan akurasi mencapai 78,26% [1]. “Pengenalan
darah tersebut masuk dalam golongan A, B, Citra Objek Sederhana dengan Jaringan
AB atau O. Secara komputerisasi, golongan Syaraf Tiruan Metode Perceptron” oleh
darah dapat dikenali melalui pola dari citra saudara Ardi Pujianta dengan tingkat
darah yang telah telah ditetesi serum anti A akurasi mencapai 92,65% [9].
dan anti B. Setelah melalui beberapa tahap “Perancangan Pengenal QR (Quick
pengolahan citra, sistem akan melakukan Response) Code dengan Jaringan Syaraf
proses klasifikasi untuk menentukan jenis Tiruan Metode Perceptron” oleh saudari
golongan darah dari citra darah tersebut. Novalia dengan tingkat akurasi mencapai
87,25% [8]. Metode JST Peceptron sudah
( )
( ) Dimana (Pi, Li) adalah ukuran citra
{ ( )
input, (Po, Lo) adalah ukuran citra output,
dan (Sp, Sl) adalah variabel pengskalaan
yang diinginkan. Jika variabel pengskalaan
Dengan fB(i,j) adalah citra biner dari
bernilai lebih besar dari 1 maka hasil
citra grayscale fg(i,j), dan T menyatakan
pengskalaan akan memperbesar ukuran
nilai ambang. Nilai T memegang peranan
citra, sebaliknya apabila variabel
yang sangat penting dalam proses
pengskalaannya lebih kecil dari 1 maka
pengambangan. Kualitas hasil citra sangat
hasilnya akan memperkecil ukuran citra
tergantung pada nilai T yang digunakan.
[10].
Cropping
Pelatihan
Grayscalling
menggunakan JST
perceptron
Grayscalling
Thresholding
Thresholding
Auto Cropping DB
Auto Cropping
Scalling
Pengenalan
menggunakan JST
perceptron
Scalling
Edge
Detection
Edge
prepocessing Detection
Hasil Pengenalan
prepocessing
Tabel 1 Citra Pengenalan
A B AB O
golongan darah AB, tingkat akurasi ciri. Selain itu, pengambilan ciri tidak hanya
pengenalannya mencapai 100%. Hal ini bersarkan bentuk, tapi bisa dikembangkan
disebabkan karena setelah melalui proses dengan pengambilan ciri berdasarkan ciri
preprosesing ada beberapa citra pelatihan warna ataupun tekstur. Selain itu dapat di
untuk darah tidak gumpal terdapat derau gunakan metode JST yang lain untuk bagian
sehingga ciri yg diambil tidak sesuai yang pengenalannya.
diharapkan dan cenderung lebih mirip hasil
ciri untuk darah yang gumpal. Contoh
DAFTAR PUSTAKA
Ekstraksi ciri citra yang tidak gumpal dapat
dilihat pada Gambar 6. [1]. Arisandi, N. Suciati, dan A.Y. Wijaya,
Pengenalan Motif Batik dengan Rotated
Wavelet Filter dan Neural Network ,
Jurusan Teknik Informatika, Fakultas
Teknologi Informasi, Institut Teknologi
Sepuluh November, 2011.
[2]. D. Putra, Pengolahan Citra Digital.
(a). Pola ciri sesuai citra darah tidak gumpal
Yogyakarta: Penerbit Andi, 2010.
[3]. Faras, F. Soares, dan V Carvalho. A
Prototype for Blood Typing Based on
Image Processing. Sensor Device 2013 :
The Fourth International Conference on
(b). Pola ciri tidak sesuai citra darah tidak Sensor Device Technologies and
gumpal
Gambar 6 Ekstraksi Ciri Citra yang Tidak Applications. 2013.
Gumpal [4]. Faras, V. Moreira, D. Silva, V. Carvalho,
dan F.O. Soares. Automatic System For
5 KESIMPULAN DAN SARAN Determination of Blood Types Using
Image Processing Techniques.
5.1 KESIMPULAN Bioengineering (ENBENG), IEEE 3rd
Banyaknya variasi citra data pelatihan Portuguese Meeting in. Braga. 2015. pp. 1-
6.
mempengaruhi tingkat akurasi sistem
pengenalan jenis golongan darah [5]. L. Sherwood, Fisiologi Manusia : dari Sel
menggunakan jaringan syaraf tiruan ke Sistem. Terjemahan Nella Yesdelita.
perceptron. Semakin banyak variasi data Jakarta: EGC. 2011.
latih serta kualitas citra pengenalan yang [6]. M.H. Talutder, M. Reza, M. Begum, R.
baik, akan semakin tinggi juga tingkat Islam, dan M. Hasan. Improvement of
akurasi pengenalannya. Accuracy of Human Blood Groups
Determination using Image processing
Techniques. International Journal of
5.2 SARAN
Advanced Research in Computer and
Proses preprosesing merupakan salah Communication Engineering. Vol. 4, issue
satu faktor yang dapat mempengaruhi 10. 2015.
tingkat akurasi pengenalan, untuk [7]. N. Puspita, Pengantar Jaringan Syaraf
pengembangannya diharapkan proses Tiruan. Yogyakarta: Penerbit Andi, 2006.
preprosesing yang digunakan bisa lebih [8]. Novalia, Perancangan Pengenal QR
beragam, khususnya pada bagian ekstraksi (Quick Response) Code dengan Jaringan