Analisis Citra Darah Untuk Menentukan Jumlah Trombosit

Skripsi Fisika
ANALISIS CITRA DARAH UNTUK MENENTUKAN JUMLAH

TROMBOSIT
CHRISTINA DUA PADANG
H 211 12 257
DEPARTEMEN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
MAKASSAR
2018
i
ANALISIS CITRA DARAH UNTUK MENENTUKAN JUMLAH
TROMBOSIT
SKRIPSI
Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
pada Departemen Fisika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Hasanuddin
Oleh :
H 211 12 257
DEPARTEMEN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
MAKASSAR
2018
ii
iii
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi ini merupakan karya orisinil saya dan
sepanjang pengetahuan saya tidak memuat bahan yang pernah dipublikasi atau
telah ditulis oleh orang lain dalam rangka tugas akhir untuk suatu gelar akademik
di Universitas Hasanuddin atau di lembaga pendidikan lainnya di manapun,
kecuali bagian yang telah dikutip sesuai kaidah yang berlaku. Saya juga
menyatakan bahwa skripsi ini merupakan hasil kerja saya sendiri dan dalam batas
tertentu dibantu oleh pihak pembimbing.
Penulis
iv
SARI BACAAN
Telah dilakukan penelitian dengan menganalisis citra darah guna menentukan

jumlah trombosit. Tujuan dari penelitian ini membuat program untuk menghitung
jumlah trombosit pada citra sel darah secara akurat dengan menggunakan Matlab.
Citra yang diolah merupakan data sekunder yang diunduh dari internet dalam
bentuk JPG. Terdapat 3 jenis citra yang diolah yaitu citra trombosit normal,
Makrotrombositopenia, dan Pseudtrombositopenia. Metode yang digunakan
adalah K – Means Clustering dan Local Minimization. Variabel hasil yaitu luas
piksel, keliling, dan Roundness. Untuk klasifikasi jenis trombosit digunakan
pohon keputusan. Analisis dilakukan dengan membandingkan presentasi
kecocokan jenis citra dari pohon keputusan (program Matlab) dengan tampilan
visual dari citra. Hasil yang diperoleh menunjukkan persentasi ketidakcocokan
hanya 1%.
Kata Kunci : Trombosit, K – Means Clustering, Local Minimization, Template

Matching, luas piksel, keliling, Roundness, Pohon Keputusan.
v
ABSTRACT
A Research has been done by analyzing blood image to determine platelet count.
The purpose of this study is to make a program to calculate accurately the number
of platelets in the blood cell image by using Matlab. The processed image is
secondary data downloaded from internet in the form of JPG. There are 3 types of
images that is processed i.e normal thrombocyte image, makrotrombositopenia,
and Pseudtrombositopenia. The method used is K - Means Clustering and Local
Minimization. The quantity obtained are pixel area, circumference, and roundness.
For the classification of platelet type we used decision tree technique. The
analysis is done by comparing the presentation of the image type fit of the
decision tree technique (Matlab program) with the visual appearance of the image.
The result shows that the percentage of incompatibility is only 1%.
Keywords: Platelets, K - Means Clustering, Local Minimization, Template

Matching, Broad Pixels, Roving, Roundness, Decision Tree
Technique.
vi
KATA PENGANTAR
Segala puji dan syukur kehadirat Tuhan Yang Maha Esa, karena berkat
limpahan rahmat dan kasih-Nya sehingga penulis dapat menyelesaikan tugas
akademik yang berupa Tugas Akhir berjudul: Ananlisis Citra Darah Untuk
Menentukan Jumlah Trombosit yang merupakan salah satu syarat
menyelesaikan jenjang kesarjanaan Strata 1 pada Departemen Fisika, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin.
Dalam penyelesaian skripsi ini, tak lepas dari berbagai rintangan, hambatan
dan keterbatasan penulis, namun berkat bantuan dan dorongan dari berbagai pihak
sehingga dapat diselesaikan dengan baik. Untuk itu tidak ada kata yang pantas
penulis ucapkan selain terimah kasih yang sebesar-besarnya dan penghargaan
yang setinggi-tingginya kepada kedua orang tua tercinta, ayahanda Filipus Suso
dan ibunda Maria Bokko atas setiap jerih payah, tetesan keringat dalam kerja
keras dan cucuran air mata dalam doa, hanya untuk memberikan dan memohon
yang terbaik untuk penulis. Atas segala dukungan moril, cinta dan kasih sayang
yang tidak ada hentinya dari Papa dan Mama. Semua yang penulis raih tidak
cukup membalas segala pengorbanan yang telah diberikan. Sehat selalu Papa dan
Mama. Tak lupa juga kepada 4 saudara yang sangat penulis sayangi, yang
mempunyai cara sendiri dalam memberikan motivasi kepada penulis.
Selain itu, penulis sampaikan rasa syukur dan terima kasih kepada Seluruh
keluarga, yang selalu mendoakan, mendukung, dan memotivasi kepada penulis.
Meskipun dengan ucapan terima kasih saja tidaklah cukup untuk membalas,
vii
namun hanya dengan kata-kata itulah dan penghargaan setulus hati yang dapat
persembahkan.
Tidak lupa juga penulis sampaikan rasa syukur dan penghargaan yang
setinggi-tingginya kepada:
1. Bapak Dr. Tasrief Surungan, M.Sc selaku pembimbing utama yang telah
banyak meluangkan waktu dan pikirannya serta memberi motivasi, masukan
dan arahannya dalam penyusunan skripsi ini.
2. Bapak Eko Juarlin, S.Si, M.Si selaku pembimbing pertama juga sebagai
Koordinator Seminar yang selalu meluangkan waktunya dalam memberikan
arahan, bimbingan dan bantuan sehingga skripsi ini dapat terselesaikan.
3. Bapak Dr. Tasrief Surungan, M.Sc selaku Ketua Departemen Fisika periode
sebelumnya dan Bapak Dr. H. Arifin, MT. selaku Ketua Departemen Fisika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin.
4. Bapak Dr. Bualkar Abdullah, M.Eng.Sc, Bapak Drs. Bansawang B.J.,
M.Si dan Ibu Nurlaela Rauf, M.Sc selaku tim penguji yang telah banyak
memberi masukan, saran dan kritikannya demi penyempurnaan skripsi ini.
5. Bapak Prof. Dr. Syamsir Dewang, M.Eng.Sc selaku Penasehat Akademik
yang telah banyak memberikan nasehat selama penulis menempuh studi.
6. Bapak dan Ibu Dosen Jurusan Fisika FMIPA Unhas yang tidak pernah lelah
menuangkan segala ilmu dan idenya demi kemajuan penulis.
7. Bapak dan Ibu Staf Karyawan Departemen Fisika dan Bapak/Ibu Staf
Karyawan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
viii
Hasanuddin yang telah memberikan bantuan kepada penulis dalam
pengurusan administrasi.
8. Teman seperjuangan „Diklat XXV SAR Unhas‟ Sri Wahyuningsi,
Fahruddin, Wahyuddin Mangemba, Andi Mugni Acan, Muhammad
Yusran, Muhammad Akbar yang senantiasa memberikan dukungan, dan
semangat dalam menjalani masa-masa MBO di SAR Unhas.
9. Sahabat „Ciwi-ciwi‟ penulis, Birgita Sriyanti Gelong teman seperjuangan
dari Maba, teman jalan, teman bertengkar, curhat. kakak Nur Fadillah
Muliani, Nur Sri Wahyuni, dan Ernawati Binti Mustamar, teman yang
dipertemukan dalam satu Organisasi Kemanusian “SAR Unhas”. Kalian luar
biasa!
10. Teman penulis, Lusiana teman yang selalu menemani penulis ketika masih
jenjang mahasiswa baru sampai tingkat akhir. Rahmasari teman yang paling
sering mengeluh tapi selalu mementingkan urusan orang lain, teman yang
selalu menjamin gizi penulis selama tinggal di Kosan. Fetty Sahria teman
direpotkan untuk asistensi naskah. Aminah Latif dan Mba Wulan teman
berbagi makanan dan cerita di Kosan.
11. Keluarga Besar SAR Unhas, yang selalu memberikan motivasi dan
masukkan dalam menjalankan kepengurusan, terima kasih untuk semua
kebersamaanya. Teman teman Badan Pengurus Periode 2016 dan Periode
2017 terima kasih atas kerjasamanya. Adik-adik yang akan melanjutkan
tongkat estafet organisasi tetap semangat. Avignam Jagat Samagram.
ix
12. Keluarga Mahasiswa Katolik Unhas (KMK Unhas), Macut, Jabet, Roreng,
Apping, Yessi, Kak Didi, Awo dan semuanya, terima kasih untuk bantuannya
selama ini.
13. Teman-Teman KKN GELOMBANG 93 Kab. Sidrap, Kec. Watansidenreng,
Desa Talumae, Hari (kordes), Fira (teman dari Unand), Dasma, Eko,
Irwan (Om) dan Risda, yang memberikan cerita dan pengalaman seru yang
tidak akan terlupakan.
14. Teman-teman Fisika 2012, yang berjuang bersama di program studi fisika
menghadapi perkuliahan. Terkhusus Fey, Rahmasari, Satria, Kiki yang
berjuang bersama menyelesaikan tugas akhir tahun ini. Tetap Semangat!
15. Teman alumni SMP Negeri 1 Tomoni Timur terutama Erwin Situmorang
teman bertengkar di SMP orang paling jail sepanjang masa. Teman alumni
SMAN Negeri 1 Tomoni Timur, Terutama Fatma, Rusli, Asih yang
kembali dipertemukan di Universitas Hasanuddin. yang sampai sekarang
masih saling berhubungan dan saling mendukung meski terpisah jarak,
16. Teman-teman „Lambe Ceria‟ Astrid, Rahmi, Paais dan Stifa, yang
seperjuangan dan sependeritaan dalam menyusun tugas akhir. Selalu berjuang
bersama dari Pagi sampai Sore. Kalian memang tangguh!
17. Kakak-kakak nongkrong di Jurusan, Kak Gita, Kak Nyoman, Kak Kiki,
Kak Culli, yang selalu menghibur dengan cerita mereka.
18. Semua pihak yang tidak mampu penulis sebutkan satu persatu, yang telah
banyak memberi bantuan dan kemudahan dalam proses penulisan ini.
x
Semoga skripsi ini bermanfaat bagi pembaca maupun penulis. Penulis telah
mengerahkan segala kemampuan dalam menyelesaikan skripsi ini, namun sebagai
manusia yang memiliki kekurangan, penulis menyadari bahwa masih banyak
kekurangan dan masih jauh dari kesempurnaan. Oleh karena itu, kritik dan saran
yang bersifat membangun dari anda sangat diharapkan. Harapan penulis, semoga
sripsi ini dapat bermanfaat bagi para pembaca.
Makassar, Januari 2018
Christina Dua Padang
xi
DAFTAR ISI
Halaman
HALAMAN JUDUL ........................................................................................... i
DAFTAR ISI ........................................................................................................ ii
DAFTAR TABEL ............................................................................................... iv
DAFTAR GAMBAR ........................................................................................... v
DAFTAR LAMPIRAN ....................................................................................... vii
BAB I PENDAHULUAN
I.1 Latar Belakang .......................................................................................... 1
I.2 Ruang Lingkup ......................................................................................... 3
I.3 Tujuan Penelitian ...................................................................................... 3
BAB II TINJAUAN PUSTAKA
II.1 Darah ....................................................................................................... 4
II.2 Pewarnaan Darah ..................................................................................... 10
II.3 Pengertian Citra ....................................................................................... 11
II.4 Pengelolahan Citra .................................................................................. 13
II.4.1Citra Berwarna ............................................................................... 14
II.5 K-Means Clustering ................................................................................ 16
II.6 Template Matching .................................................................................. 17
II.7 Local Minimization ................................................................................. 18
II.8 Noise ........................................................................................................ 19
BAB III METODOLOGI PENELITIAN
III.1 Prosedur Penelitian ................................................................................ 20
III.2 Bagan Alir Penelitian ............................................................................. 21
xii
BAB IV HASIL DAN PEMBAHASAN
IV.1 Jenis Citra Mikroskop Trombosit .......................................................... 22
IV.2 Melakukan Pembacaan Citra Digital ..................................................... 24
IV.3 Pengelompokan Citra Menggunakan Metode K-Means Clustering ...... 24
IV.4 Metode Local Minimization ................................................................... 25
IV.5 Membangun Data Base .......................................................................... 26
IV.6 Ekstraksi Variabel .................................................................................. 27
IV.7 Perbandingan Hasil ................................................................................ 33
BAB V PENUTUP
V.1 Kesimpulan ............................................................................................. 36
V.2 Saran ........................................................................................................ 36
DAFTAR PUSTAKA
xiii
DAFTAR TABEL
Halaman
Tabel IV.1 Cuplikan Matriks Graysclae Untuk Citra Trombosit ......................... 24
Tabel IV.2 Cuplikan Matriks Hasil K-Means Clustering Citra Trombosit........... 25
Tabel IV.3 Cuplikan Hasil Local Minimization .................................................... 26
Tabel IV.4 Roundness Trombosit Normal, Pseudotrombositopenia, dan
Makrotrombositopenia ....................................................................... 27
Tabel IV.5 Perbandingan Keliling Trombosit Normal,
Pseudotrombositopenia, dan Makrotrombositopenia ........................ 29
Tabel IV.6 Luas Trombosit Normal, Pseudotrombositopenia, dan
Makrotrombositopenia ....................................................................... 30
Tabel IV.7 Perbandingan Hasil ............................................................................. 33
xiv
DAFTAR GAMBAR
Halaman
Gambar II.1 Jenis Sel Darah Putih ........................................................................ 6
Gambar II.2 Citra Trombosit................................................................................. 12
Gambar II.3 Citra Trombosit (a) Trombosit Yang Berdekatan;
(b) Trombosit yang Bertumpuk .......................................................... 13
Gambar II.4 Noise (a) Memiliki Noise; (b) Tanpa Noise ...................................... 13
Gambar II.5 Elemen Warna Dasar RGB ............................................................... 15
Gambar II.6 Konversi RGB ke Grayscale (a) Citra RGB;
(b) Citra Grayscale ............................................................................. 16
Gambar II.7 Aturan Iterasi .................................................................................... 17
Gambar II.8 Template Matriks 2*2 ....................................................................... 17
Gambar II.9 Template Matriks 2*1 ....................................................................... 18
Gambar II.10 Template Matriks 1*2 ..................................................................... 18
Gambar II.11 Template Matriks 1*1 (a) Trombosit;
(b) Bukan Trombosit .......................................................................... 18
Gambar II.12 Matriks Hasil Local Minimization (a) Tabel Sebelum
Proses Local Minimization; (b) Tabel Setelah
Local Minimization ........................................................................... 19
Gambar III.1 Bagan Alir Penelitian ...................................................................... 21
Gambar IV.1 Citra Trombosit Normal .................................................................. 22
Gambar IV.2 Citra Trombosit Makrotrombositopenia ......................................... 23
Gambar IV.3 Citra Trombosit Pseudotrombositopenia ........................................ 23
xv
Gambar IV.4 Citra Grayscale Trombosit.............................................................. 24
Gambar IV.5 Cuplikan Citra Trombosit (a) di Tepi Citra;
(b) Bernoise ........................................................................................ 27
Gambar IV.6 Citra Trombosit Darah .................................................................... 27
Gambar IV.7 Grafik Roundness ............................................................................ 28
Gambar IV.8 Grafik Kelompok Trombosit Berdasarkan Keliling........................ 29
Gambar IV.9 Grafik Kelompok Trombosit Berdasarkan Luas ............................. 31
Gambar IV.10 Pohon Keputusan .......................................................................... 32
Gambar IV.11 Persentase Kecocokan ................................................................... 34
Gambar IV.12 Histogram Hasil ............................................................................ 34
xvi
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Tabel Hasil Penentuan Centeroid Untuk Citra Trombosit ................ 40

Lampiran 2 Tabel Hasil Setelah Dilakukan Koreksi Bolong Pada
Citra Trombosit .................................................................................. 44
Lampiran 3 Tabel Perbandingan Hasil Gambar IV.1
xvii
BAB I
PENDAHULUAN
I.1 Latar Belakang
Darah merupakan suatu cairan yang sangat penting bagi manusia karena
berfungsi mengirimkan zat – zat dan oksigen, yang dibutuhkan oleh jaringan
tubuh, mengangkut bahan – bahan kimia hasil metabolisme tubuh, dan juga
sebagai pertahanan tubuh terhadap virus dan bakteri[1]. Darah tersusun atas dua
bagian yaitu sel darah dan plasma darah. Sel darah yang terdiri dari sel darah
merah (eritrosit), sel darah putih (leuktosit) dan keping-keping darah (trombosit).
Plasma darah yang terdiri dari air, senyawa organik, senyawa anorganik, dan
serum. Trombosit adalah fragmen sitoplasma megakariosit yang tidak berinti dan
terbentuk di sumsum tulang. Trombosit matang berukuran 2 – 4 µm berbentuk
cakram bikonveks[2].
Jumlah trombosit dapat diukur dengan cara konvensional, tetapi bila sel
darah yang dihitung terlalu banyak, memakan waktu yang cukup lama. Masalah
yang sering terjadi dalam proses perhitungan yaitu adanya trombosit yang
berdekatan, tertumpuk, dan sinar lampu tidak homogen. Hal ini menyebabkan
pengukuran secara konvensional tidak efisien. Selain itu, perhitungan secara
konvensional terkadang kurang akurat ketika dilakukan dengan pengamatan
langsung. Hal ini disebabkan perhitungan pada sel darah sangat dipengaruhi oleh
tingkat ketelitian petugas yang menganalisisnya[3]. Seiring dengan semakin
majunya ilmu pengetahuan, perhitungan jumlah sel darah lebih akurat dan waktu
1
yang relatif singkat bila prosesnya dilakukan dengan pengelolahan citra digital
menggunakan Matlab.
Matrix Laboratory (Matlab) merupakan suatu bahasa program komputer
untuk menyelesaikan beberapa masalah seperti matematika dan komputasi,
pengembangan dan algoritma, pemrograman modeling, simulasi, menganalisis
dan mengkomputasi data numerik yang dapat menyelesaikan masalah-masalah
operasi matematika elemen, matriks, optimasi, dan lain-lain. Matlab juga
merupakan suatu bahasa pemrograman matematika lanjutan, yang memiliki fungsi
dan karakteristik yang berbeda dengan bahasa pemprograman lain yang sudah ada
lebih dahulu seperti Delphi, Basic maupun C++ [4].
Penelitian yang dilakukan oleh Hartadi[3] mengenai simulasi perhitungan
jumlah sel darah merah, dengan hasil membuat program yang memiliki
kemampuan untuk mengenali citra, menambah derau, menghapus derau, mereka-
ulang (rekontruksi), mengambangkan dan menghapus objek yang tidak
diinginkan. Kelemahan dari penelitian itu belum mampu mengoreksi kesalahan
perhitungan akibat adanya sel darah yang berdekatan. Analisis perhitungan sel
darah berbasis pengelolahan citra digital dengan metode adaptive thresholding
dilakukan oleh Karnida[5]. Kelemahan dari penelitian tersebut adalah program
perhitungan otomatis yang ada belum mampu menghasilkan akurasi perhitungan
yang baik karena metode thresholding yang digunakan bersifat global sehingga
metode ini tidak mampu mengatasi kondisi citra yang beragam, seperti tingkat
kecerahan serta derau yang terdapat pada citra. Maka, dalam tugas akhir ini
analisis citra trombosit untuk menentukan jumlah trombosit dilakukan dengan
2
menggunakan metode K – Means Clustering dan Local Minimization. K – Means
Clustering digunakan untuk mengelompokkan dengan meninjau kedekatan pada
pusat tertentu yang diiterasi sedangkan Local Minimization digunakan untuk
meminimalkan kode register yang tidak berurutan dalam satu trombosit.
I.2 Ruang Lingkup
Ruang lingkup pada penelitian ini dibatasi pada Pengelolahan citra
menggunakan metode K – Means Clustering dan Local Minimization. Citra yang
diolah adalah hasil citra trombosit dengan menggunakan mikroskop tanpa
membahas proses pemotretan.
I.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Membuat program untuk menghitung jumlah trombosit pada citra sel
darah.
2. Menghitung trombosit pada citra sel darah secara akurat dengan
menggunakan Matlab.
3
BAB II
TINJAUAN PUSTAKA
II.1 Darah
Pemeriksaan hematologi yang termasuk dalam faal hemostasis yaitu hitung
trombosit, clothing time, blooding time, plasma prothrombine time, activated
partial thromboplastin time. Salah satu pemeriksaan faal hemostasis yang penting
adalah perhitungan trombosit. Pemeriksaan ini bertujuan untuk menghitung
jumlah trombosit yang ada pada tiap 1 ml darah. Penurunan jumlah trombosit
yang signifikan tentu berpengaruh dalam proses pembekuan darah. Sampel yang
digunakan dalam pemeriksaan hitung trombosit adalah darah vena dengan
antikoagulan EDTA (Ethylendiamine Tetyraacetic Acid) yang berfungsi untuk
mencegah penggumpalan trombosit. Karena sesuatu hal, kadang pemeriksaan ini
harus tertunda selama beberapa waktu. Meskipun demikian, dianjurkan semua
pemeriksaan hematologi dikerjakan paling lama dua jam setelah pengambilan
sampel, karena dikhawatirkan terjadi perubahan sifat, morfologi maupun jumlah
sel yang ada[6].
Darah manusia adalah cairan jaringan tubuh. Fungsi utamanya adalah
mengangkut oksigen yang diperlukan oleh sel – sel di seluruh tubuh. Darah juga
menyuplai tubuh dengan nutrisi, mengangkut zat – zat sisa metabolisme, dan
mengandung berbagai bahan penyusun sistem imun yang bertujuan
mempertahankan tubuh dari berbagai penyakit [7].
Darah manusia berwarna merah terang ketika terikat pada oksigen. Warna
merah pada darah disebabkan oleh hemoglobin, protein pernapasan (respiratory
4
protein) yang mengandung besi dalam bentuk heme, yang merupakan tempat
terikatnya molekul – molekul oksigen. Dan, ketika oksigen dilepas, warna eritrosit
berwarna lebih gelap, dan menimbulkan warna kebiru – biruan pada pembuluh
darah dan kulit. Dengan adanya perubahan warna darah ini bisa dimanfaatkan
untuk mengukur kejenuhan oksigen pada darah arterial[7].
Darah adalah bagian cairan yang homogen terdiri dari dua bagian ( plasma
darah dan sel-sel darah ) sekitar 55 % adalah cairan yang disebut plasma, 45 %
sisanya unsur-unsur padat, yaitu sel darah. Volume darah secara keseluruhan
kira-kira 6 – 8 % dari volume tubuh [8]. bagian-bagian darah terdiri atas:
a. Plasma darah
Plasma darah terdiri atas air (91 – 92 %) yang berperan sebagai medium
transport, zat padat (7 – 9 %) yang terdiri atas protein 8 persen (albumin, globulin,
protrombin dan fibrinogen), mineral 0,9 % (natrium, klorida, natrium bikarbonat,
garam dari kalsium, fosfor, magnesium, besi dan yodium). Sisanya diisi oleh
bahan organik yaitu glukosa, lemak, urea, kreatinin , kolesterol, asam amino dan
berisi gas (oksigen dan karbondiksida), hormon – hormon, enzim dan antigen[8].
b. Sel - sel darah
Sel-sel darah terdiri dari eritrosit, leukosit, trombosit. Ketiga elemen seluler
tersebut mempunyai fungsi yang berbeda-beda dan jangka waktu hidupnya tidak
sama. Sel-sel yang telah mati digantikan dengan sel-sel yang baru. Dalam
keadaan fisiologis destruksi sel senantiasa diimbangi dengan produksi sel yang
baru oleh alat-alat pembentukan darah [8].
5
Leukosit adalah sel darah yang mengandung inti, disebut juga sel darah
putih. Rata-rata jumlah leukosit dalam darah manusia normal adalah 5.000 –
3 3
10.000/mm . Bila jumlahnya lebih dari 10.000/mm , keadaan ini disebut
3
leukositosis tetapi bila kurang dari 5.000/mm disebut leukopenia[9].
Leukosit terdiri dari dua golongan utama, yaitu agranular dan granular.
Leukosit agranular mempunyai sitoplasma yang tampak homogen, dan intinya
berbentuk bulat atau berbentuk ginjal. Leukosit granular mengandung granula
spesifik yang dalam keadaan hidup berupa tetesan setengah cair dalam
sitoplasmanya dan mempunyai inti yang memperlihatkan banyak variasi dalam
bentuknya. Terdapat dua jenis leukosit agranular yaitu: limfosit yang terdiri dari
sel-sel kecil dengan sitoplasma sedikit, dan monosit yang terdiri dari sel-sel yang
agak besar dan mengandung sitoplasma lebih banyak. Terdapat tiga jenis leukosit
granular yaitu neutrofil, basofil, dan asidofil (eosinofil). Leukosit mempunyai
peranan dalam pertahanan seluler dan humoral organisme terhadap zat-zat
asingan. Leukosit dapat melakukan gerakan amuboid dan melalui proses
diapedesis leukosit dapat meninggalkan kapiler dengan menerobos antara sel-sel
endotel dan menembus ke dalam jaringan penyambung [9].
Gambar II.1 Jenis Sel Darah Putih[10]
6
Sel darah merah merupakan bagian utama dari darah. Bentuknya
bikonkaf, tidak berinti, tidak dapat bergerak bebas dan tidak dapat menembus
dinding kapiler. Setiap 1 mm3 darah pria mengandung 5 juta sel darah merah,
sedangkan setiap 1 mm3 darah wanita mengandung 4 juta sel darah merah. Warna
sel darah merah sebenarnya kekuning-kuningan. Warna ini disebabkan oleh
adanya pigmen darah yang disebut hemoglobin (Hb). Hemoglobin adalah protein
rangkap yang terdiri dari hemin dan globin. Hemin adalah senyawa asam amino
yang mengandung zat besi (Fe). Senyawa ini yang menyebabkan warna darah
menjadi merah. Oleh sebab itu, bila dalam darah kekurangan eritrosit,
hemoglobin, maupun zat besi, warna tubuh menjadi pucat. Keadaan ini disebut
kekurangan darah atau anemia. Jika seseorang menderita anemia maka
pengangkutan oksigen oleh darah mengalami gangguan. Darah yang kurang
mengandung oksigen berwarna kebiru-biruan, disebut sianosis. Sianosis ini
misalnya terjadi pada orang yang tercekik dan batuk terus-menerus sehingga
bibirnya menjadi kebiruan. Hemoglobin mempunyai beberapa fungsi, yaitu
sebagai berikut:
1. Mengangkut oksigen Hb yang mengikat oksigen (HbO2 /
oksihemoglobin). Hb mempunyai daya ikat yang tinggi terhadap
oksigen.
2. Mengangkut karbondioksida (CO2).
3. Menjaga keseimbangan asam dan basa. Hb2 dan HbO2 adalah senyawa
yang mudah mengikat alkali. Jika kadar senyawa meningkat maka
7
hemoglobin dan oksihemoglobin melepas alkalinya. Dengan
demikian senyawa asam tadi dinetralkan.
Anemia juga terjadi karena kekurangan sel-sel darah merah. Hal ini kemungkinan
disebabkan karena kekurangan gizi, infeksi suatu kuman penyakit, ataupun
kecelakaan yang mengeluarkan banyak darah[11].
Trombosit adalah fragmentasi sitoplasma megakariosit, suatu sel sumsum
tulang belakang dengan ukuran paling besar. Megakariosit matang ditandai
dengan proses replikasi endomitotik inti dan makin besarnya volume sitoplasma.
Pada akhirnya, terjadi replikasi inti lebih lanjut, sitoplasma menjadi granular, dan
selanjutnya trombosit dibebaskan. Setiap megakariosit menghasilkan sekitar 2.000
– 4.000 trombosit. Diferensiasi sel asal sampai dihasilkannya trombosit memakan
waktu sekitar 10 hari[12].
Trombosit dalam sirkulasi adalah kepingan-kepingan yang berasal dari
sitoplasma megakariosit, yaitu suatu sel besar berinti banyak yang terdapat dalam
sumsum tulang. Pengaturan produksi trombosit diduga dilakukan oleh
trombopoeitin. Bila kebutuhan hemostasis meningkat, atau ada rangsangan
terhadap sumsum tulang, produksi trombosit dapat meningkat 7-8 kali. Trombosit
yang baru dibentuk biasanya berukuran lebih besar dan memiliki kemampuan
hemostasis yang lebih baik daripa trombosit tua yang ada dalam sirkulasi[13].
Trombosit memiliki dua fungsi berbeda, yaitu melindungi integritas endotel
pembuluh darah. Interaksi trombosit dengan pembuluh darah disebut hemostasis
primer[14].. Tidak terdapat perbedaan yang nyata antara laki-laki dan wanita.
Secara fisiologis, variasi jumlah trombosit terjadi selama siklus menstruasi. Pada
8
saat menstruasi terjadi penurunan jumlah trombosit, sedangkan saat ovulasi
meningkat[15].
Perhitungan trombosit merupakan salah satu pemeriksaan yang sangat
penting untuk berbagai kasus baik yang menyangkut hemostasis maupun kasus
lain yang meliputi peneg diagnosis, penilaian hasil terapi atau perjalanan suatu
penyakit, penentuan prognosis dan penilaian berat tidaknya suatu penyakit . Hal
tersebut dapat terjadi jika dalam mengerj sampel harus memperhatikan hal-hal
yang dimulai dari persiapan alat, persiapan tempat pengambilan, cara
pengambilan sampel, volume sampel, tindakan sesudah pengambilan sampel dan
penanganan sampel yang telah diambil dipengaruhi oleh berbagai faktor. Secara
garis besar nilai normal (rentang normal) jumlah trombosit antara 150.000 −
450.000 µL darah[6].
Trombosit dihitung dengan menggunakan mesin hitung elektrik sehingga
banyak trombosit yang dapat dihitung. Teknik ini dapat menimbulkan kesalahan
kalau jumlah lekosit melebihi 100.000/mm3, bila ada fragmentasi eritrosit yang
berat, bila larutan pengencer tidak bebas partikel, bila sampel darah dibiarkan
bebas terlalu lama sebelum dilakukan pemeriksaan atau bila trombosit melekat
satu dengan yang lain[6].
Penghitungan jumlah kandungan trombosit dalam darah adalah salah satu
topik yang penting dalam menentukan beberapa masalah kesehatan atau penyakit,
seperti demam berdarah (DBD) dan trombositopenia.
9
II.2 Pewarnaan Darah
Di Indonesia sendiri pewarnaan untuk sediaan apus darah tepi kebanyakan
sering menggunakan pewarnaan giemsa. Hal itu disebabkan karena ketahanan
hasil zat warna tersebut lebih baik. Padahal, pewarnaan giemsa lebih bagus
digunakan untuk mempelajari parasit – parasit darah. Sedangkan pewarnaan
wright jarang dilakukan atau bahkan tidak pernah dilakukan, Faktor utamanya
yaitu karena zat warna wright tidak bisa tahan lama dalam iklim trofik. Padahal,
secara teori pewarna wright mewarnai sitoplasma dan inti sel menjadi lebih jelas
terlihat. hal itu disebabkan karena komposisi dari wright, yang terdiri dari metilen
blue yang memberi warna biru pada inti (nukleus) yang mengandung DNA.
Kemudian eosin yang memberi warna merah pada sitoplasma[16].
Dengan cara mengkombinasikan pewarna giemsa dan wright diharapkan
kelebihan dari tiap-tiap pewarna giemsa dan wright bisa didapatkan, dan
menjadikan pewarnaan sediaan apus darah tepi lebih jelas terlihat dan lebih tahan
lama[17].
Macam-macam pewarnaan menurut Romanowsky yaitu pewarnaan wright,
Pewarnaan liesman, pewarnaan may grunwald, dan pewarnaan giemsa. Prinsip
pengecatan preparat darah yaitu sedia apus darah difiksasi dengan methanol
selama 5 menit dan digenangi dengan zat pewarna giemsa yang sudah diencerkan
dibirkan 20 menit setelah itu dibilas air keran dan dibiarkan sampai mengering [17].
Menurut J. Samidja Onggowaluyo (2001), kriteria pembuatan dan
pewarnaan sediaan darah yang baik, yaitu[17]:
a. Inti leuktosit berwarna ungu (tanda umum)
10
b. Trombosit berwarna ungu muda dan merah muda
c. Sisa-sisa eritrosit muda berwarna biru atau biru muda
d. Sitoplasma limfosit kelihatan biru pucat
e. Sitoplasma monosit berwarna biru
f. Granula eosinofil berwarna orange
g. Latar belakang sediaan bersih kelihatan biru pucat.
Faktor-faktor yang menentukan mutu pewarnaan giemsa antara lain:
a. Kualitas giemsa baik tidak tercemar air, pengenceran giemsa dengan
perbandingan tepat.
b. Waktu pewarnaan dan fikrasi
c. Ketebalan pewarnaan dan kebersihan sediaan.
II. 3 Pengertian Citra
Citra digital adalah citra f (x,y) yang telah dilakukan digitalisasi baik
koordinat area maupun brightness level. Nilai f di koordinat (x,y) menunjukkan
brightness atau grayness level dari citra pada titik tersebut. Satuan terkecil dari
citra digital disebut piksel (piksel atau picture element). Umumnya citra dibentuk
dari kotak – kotak persegi empat yang teratur sehingga jarak horizontal dan
vertikal antara piksel adalah sama pada seluruh bagian citra[18].
Citra adalah representasi dua dimensi untuk bentuk fisik nyata tiga dimensi.
Citra dalam perwujudannya dapat bermacam-macam, mulai dari gambar hitam-
putih pada sebuah foto (yang tidak bergerak) sampai pada gambar berwarna yang
bergerak pada pesawat televisi. Proses transformasi dari bentuk tiga dimensi ke
bentuk dua dimensi untuk menghasilkan citra dipengaruhi oleh bermacam-macam
11
faktor yang mengakibatkan penampilan citra suatu benda tidak sama persis
dengan bentuk fisik nyatanya. Faktor-faktor tersebut merupakan efek degradasi
atau penurunan kualitas yang dapat berupa rentang kontras benda yang terlalu
sempit atau terlalu lebar, distorsi geometrik, kekaburan (blur), kekaburan akibat
obyek yang bergerak (motion blur), noise atau gangguan yang disebabkan oleh
interferensi peralatan pembuat citra, baik berupa transduser, peralatan elektronik
ataupun peralatan optik[19].
Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik
berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada
monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu
pita magnetik. Citra digital merupakan suatu larik dua dimensi atau suatu matriks
yang elemen-elemennya menyatakan tingkat keabuan dari elemen gambar. Jadi
informasi yang terkandung bersifat diskret. Citra digital tidak selalu merupakan
hasil langsung data rekaman suatu sistem. Kadang-kadang hasil rekaman data
bersifat kontinu seperti gambar pada monitor televisi, foto sinar-X, dan lain
sebagainya. Dengan demikian untuk mendapatkan suatu citra digital diperlukan
suatu proses konversi, sehingga citra tersebut selanjutnya dapat diproses dengan
computer[20].
Gambar II.2 Citra Trombosit
12
Untuk menentukan jumlah trombosit dengan mengunakan hasil citra digital
seperti pada Gambar II.2. Ada beberapa masalah yang terjadi yaitu:
a. Trombosit yang berdekatan.
b. Trombosit yang bertumpuk.
c. Noise.
(a) (b)
Gambar II.3 Citra Trombosit (a) Trombosit Yang Berdekatan; (b) Trombosit Yang
Bertumpuk
(a) (b)
Gambar II.4 Noise (a) Memiliki Noise; (b) Tanpa Noise
II.4 Pengelolahan Citra
Pengolahan citra merupakan proses pengolahan dan analisis citra yang
banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan
informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara
umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer.
Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua
13
data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks
yang diwakili oleh bit-bit tertentu[21]. Pengolahan citra umumnya diterapkan untuk
melakukan pemodifikasian, pengubahan, penggabungan maupun perbaikan
kualitas citra[18].
Pengolahan citra dilakukan dengan komputer digital maka citra yang diolah
terlebih dahulu ditransformasikan ke dalam bentuk besaran-besaran diskrit dari
nilai tingkat keabuan pada titik-titik elemen citra. Bentuk citra ini disebut citra
digital. Setiap citra digital memiliki beberapa karakteristik, antara lain ukuran
citra, resolusi dan format lainnya. Umumnya citra digital berbentuk persegi
panjang yang memiliki lebar dan tinggi tertentu, yang biasanya dinyatakan dalam
banyaknya titik atau piksel (picture elemen/pixel)[19].
II.4.1 Citra Berwarna
Warna adalah spektrum tertentu yang terdapat di dalam suatu cahaya
sempurna (berwarna putih). Citra berwarna dapat diartikan sebagai citra yang
mengandung informasi warna pada setiap pikselnya. Untuk penggunaan
pemrosesan citra, diperlukan tiga saluran warna untuk tiap piksel, yang
diinterpretasikan sebagai koordinat pada ruang warna. Contohnya yaitu pada
ruang RBG yang sering digunakan untuk tampilan di computer[22].
RGB adalah suatu model warna yang terdiri atas 3 warna : merah, hijau,
biru, yang ditambahkan dengan berbagai cara untuk menghasilkan bermacam-
macam warna. Kegunaan utama model RGB adalah untuk menampilkan
citra/gambar dalam perangkat elektronik, seperti televisi dan komputer, walaupun
juga telah digunakan dalam fotografi biasa. Sebuah warna dala RGB
14
digambarkan dengan menentukan seberapa banyak masing-masing warna merah,
hijau dan biru yang divcampurkan. Warna ini ditulis dalam bentuk triplet RGB,
sebagian bervariasi dari nol sampai nilai maksimum yng ditetapkan. Dalam sistem
warna RGB, nilai-nilai komponen sering disimpan sebagai bilangan bulat antara
0-255.
II. 5 Elemen Warna Dasar RGB
Citra keabuan adalah citra yang hanya menggunakan warna pada tingkatan
warna abu-abu. Pada citra beraras keabuan hanya perlu menyatakan nilai
intensitas untuk tiap piksel sebagai nilai tunggal, sedangkan pada citra berwarna
perlu tiga nilai intensitas untuk tiap pikselnya[21].
Pada citra keabuan, setiap piksel pada koordinat x,y memiliki suatu nilai
bulat tunggal, yang berarti nilai tersebut merupakan satu-satunya informasi
intensitas yang dikandung di piksel tempatnya berada[22].
Konversi ini berguna untuk menyederhan tiga lapisan warna pada citra RGB
menjadi 1 lapisan intensitas pada citra Gray-scale dengan menggunakan rumus:
15
𝑮𝑺 = (𝑹 + 𝑮 + 𝑩) 2.1
(a) (b)
Gambar II. 6 Konversi RGB ke Grayscale. (a) Citra RGB; (b) Citra Grayscale.
II.5 K – Means Clustering
Clustering adalah mengelompokkan sejumlah data ke dalam sejumlah kecil
grup sedemikian sehingga masing-masing grup mempunyai sesuatu persamaan
yang esensial[24]. Clustering memegang peranan penting dalam aplikasi data
mining, misalnya eksplorasi data ilmu pengetahuan, pengaksesan informasi dan
text mining, aplikasi basis data spasial.
Algoritma K-Means merupakan algoritma klasterinisasi yang
mengelompokkan data berdasarkan titik pusat terdekat dengan data. Tujuan dari
K-Means adalah pengelompokan data dengan memaksimalkan kemiripan data
dalam satu klaster dan meminimalkan kemiripan data antar klaster. Ukuran
kemiripan yang digunakan dalam klaster adalah fungsi jarak. Sehingga
pemaksimalan kemiripan data didapatkan berdasarkan jarak terpendek antara data
terhadap titik centroid[26]. K-Means Clustering merupakan teknik
pengelompokkan dengan meninjau kedekatan pada pusat tertentu yang diiterasi.
Pada penelitian ini proses iterasi yang digunakan dimulai dari baris pertama
kiri ke kanan dari kolom satu hingga kolom akhir selanjutnya baris kedua kiri ke
16
kanan, kolom satu hingga kolom akhir. Proses iterasi tersebut dilakukan pada
semua komponen matriks. Gambar II. 7 menjelaskan proses iterasi.
Gambar II. 7 Aturan iterasi
II.6 Template Matching
Algoritma template matching merupakan metode yang sederhana dan
banyak digunakan untuk mengenali pola. Algoritma ini bekerja dengan cara
mengevaluasi pola citra yang dibandingkan dengan pola citra template pada basis
data. Kelemahan algoritma ini adalah terbatasnya model yang dijadikan template
sebagai pembanding pada basis data seperti bentuk, ukuran, dan orientasi[25].
Template matching yang digunakan adalah matriks ukuran 2*2, 2*1, 1*2,
dan 1*1. Ada 16 template matriks 2*2 yang dituliskan sebagai berikut:
0 0 0 0 0 1 1 0
T1 T5 T9 T13
0 0 0 1 1 0 1 1
1 0 0 0 0 1 1 1
T2 T6 T10 T14
0 0 1 1 0 1 1 0
0 1 1 1 1 0 1 1
T3 T7 T11 T15
0 0 0 0 1 0 0 1
0 0 1 0 0 1 1 1
T4 T8 T12 T16
1 0 0 1 1 1 1 1
Gambar II.8 Template Matriks 2*2
17
Ada 4 template matriks 2*1 yang dituliskan sebagai berikut:
T1 0 0 T3 1 1
T2 0 1 T4 1 0
T1 0 T3 1
0 1
T2 0 T4 1
1 0
1 0
(a) (b)
Gambar II.11 Template Matriks 1*1. (a) Trombosit; (b) Bukan Trombosit
II.7 Local Minimization
Local Minimization adalah tahap meminimalkan kode register yang tidak
berurutan pada matriks wilayah dengan kode register yang berdekatan. Citra
trombosit memiliki kode register lebih besar dari 0. Dalam satu trombosit, kode
register trombosit membentuk daerah tertutup yang memiliki nilai register yang
sama. Gambar II.12 Merupakan contoh matriks hasil local minimization.
18
(a) (b)
Gambar II.12 Matriks Hasil Local Minimization (a) Tabel Sebelum Proses
Local Minimization; (b) Tabel Setelah Local Minimization
II.8 Noise
Citra digital dapat mengalami penurunan kualitas atau gangguan. Gangguan
pada citra digital disebut dengan derau (noise). Noise adalah gambar atau pixel
yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisik
(optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang
tidak sesuai[27].
Kualitas citra sangat dipengarui oleh tingkat keberadaan derau. Setiap citra
yang didapat secara optik, elektro-optik atau elektronik sangat dipengaruhi oleh
alat penginderaan. Penurunan kualitas citra bisa terjadi karena derau sensor,
kamera yang kurang fokus, dan lain-lain[24].
Noise adalah sinyal yang tidak diinginkan yang bercampur pada informasi
atau data. Ada banyak macam tipe noise yang dapat bercampur pada citra digital
diataranya gaussian noise, speacle noise, impulse noise dan lain-lain.
19
BAB III
METODOLOGI PENELITIAN
Penelitian ini menggunakan citra hasil pemotretan sel darah dengan
menggunakan mikroskop dalam bentuk JPG. Citra diolah menggunakan metode
K-Means Clustering dan Local Minimization pada program Matlab untuk
menentukan jumlah trombosit .
III.1 Prosedur Penelitian
Prosedur utama dalam penelitian ini adalah memilih citra digital sel darah
dan pengolahan citra menggunakan metode K-Means Clustering dan Local
Minimization pada program Matlab. Citra yang digunakan merupakan hasil
pemotretan sel darah dengan menggunakan mikroskop dalam bentuk JPG. Citra
digital yang digunakan, sebelumnya dikonversi menjadi matriks Grayscale pada
program Matlab untuk memudahkan pengolahan citra. Setelah itu, dilakukan
pengelompokan citra menggunakan metode K-Means Clustering. Metode ini
digunakan untuk menghasilkan matriks wilayah yang akan membedakan antara
latar dan trombosit. Kode register latar bernilai nol dan kode register trombosit
lebih besar dari nol. Kemudian, untuk melakukan register dalam citra trombosit
digunakan Template matching. Template matching yang digunakan yaitu matriks
ukuran 2*2, 2*1, 1*2, dan 1*1. Pada setia template matriks menghasilkan nilai 0,
nilai register tetap yang mengikuti komponen sebelumnya dan nilai register
bertambah. Matriks register yang dihasilkan dari pengelolahan data menghasilkan
kode register yang tidak berurutan sehingga dilakukan metode Local Minimization
untuk menyamakan kode register dalam satu trombosit. Setalah diperoleh kode
20
register yang sama, perhitungan jumlah trombosit dari citra sel darah yang telah
diolah. Uji program dengan menggunakan pohon keputusan untuk melihat
kecocokan keluaran dari program Matlab dan tampak visual. perhitungan jumlah
trombosit dari citra sel darah yang telah diolah.
III.2 Bagan Alir Penelitian
Mulai
Citra Trombosit
Konversi RGB ke Grayscale
Metode K – Means Clustering
Template Matching
Local Minimization
Hitung trombosit
Pohon Keputusan
Hasil
21
BAB IV
HASIL DAN PEMBAHASAN
IV. 1 Jenis Citra Mikroskop Trombosit
Citra yang diolah merupakan hasil pemotretan sel darah dengan
menggunakan mikroskop dalam bentuk JPG. Data yang diperoleh merupakan data
sekunder. Tidak diketahui perbesaran mikroskop sehingga diasumsikan sama.
Trombosit normal memiliki nilai kerapatan 150.000 – 450.000/µL darah (gambar
IV.1). Kelainan pada trombosit disebut dengan Trombositopenia terjadi dua
bagian yaitu Makrotrombositopenia adalah trombosit besar abnormal seperti yang
terlihat pada gambar IV.2. Pseudotrombositopenia, trombosit menggumpal dan
saling menempel yang terjadi pada pasien tanpa penyebab Trombositopenia yang
jelas terlihat pada gambar IV.3.
Gambar IV.1 Citra Trombosit Normal
22
Gambar IV.2 Citra Trombosit Makrotrombositopenia.
Gambar IV.3 Citra Trombosit Pseudotrombopeia.
Dalam penelitian terdiri dari dua bagian membangun data base dan menguju data
base. Membangun data base digunakan untuk mengumpulkan dan mengelola data
sekunder yang ada. Untuk membangun data base hal pertama yang dilakukan
adalah memasukan data sekunder yang ada yaitu berupa citra trombosit normal,
trombosit Makrtrombositopenia dan trombosit Pseudotrombositopenia.
23
IV.2 Melakukan Pembacaan Citra Digital
Citra digital diubah sebagai bilangan dari 0 – 255 3 dimensi yaitu R,G,B
dalam komponen matriks. Untuk memudahkan pengelolahan, aras warna citra
digital diubah menjadi aras keabuan (Grayscale). Sehingga citra digital dapat
dikenali sebagai matriks yang siap diolah untuk program selanjutnya.
Tabel IV.1 Cuplikan Matriks Grayscale Untuk Citra Trombosit

135.6667 114 92 84 84.33333
111 93.33333 86 85.33333 83.66667
92 77.66667 77.66667 87 93.33333
82 71.66667 80 100.3333 116.3333
77.66667 71.66667 86.33333 113 133
71.66667 68 88.66667 118 138
75.66667 76 96 124.6667 141.6667
82.66667 82.66667 100 122.6667 131.6667
78.66667 76.66667 91 106.3333 106.6667
95.66667 86 75 73.33333 79
Citra asli (a) dan citra beraras keabuan (b) dapat dilihat pada gambar IV.4.
(a) ( b)
Gambar IV.4 Citra Grayscale trombosit.
VI.3 Pengelompokan Citra Menggunakan Metode K-Means Clustering.
Pada penelitian ini menggunakan dua Centeroid yaitu C1 = 255 dan C2 = 0,
karena yang akan ditinjau dalam citra hanya dua bagian. Metode K-Means
24
Clustering pada penelitian ini menghasilkan matriks wilayah yang membedakan
antara latar dan trombosit. Hal ini dilakukan hingga tidak ada perubahan pada
nilai centeroid (konvergen). Kode register latar bernilai nol dan kode register
trombosit lebih besar dari nol. Contoh perhitunga metode K-Means Clustering
dituliskan di lampiran 1.
Berikut cuplikan nilai register yang dihasilkan dari proses K-Means
Clustering, kode register yang dihasilkan tidak berurutan:.
Tabel IV.2 Cuplikan Matriks Hasil K-Means Clustering Citra Trombosit

0 0 0 0 20 20 20 20 20 0 0 0 0 0
0 0 0 23 20 20 20 20 20 20 20 0 0 0
0 0 28 23 23 20 20 20 20 20 20 20 0 0
0 33 28 28 23 23 20 20 20 20 20 20 0 0
0 33 33 28 28 23 23 20 20 20 20 20 20 0
41 33 33 33 28 28 0 0 20 20 20 20 20 0
41 41 33 33 33 28 0 0 20 20 20 20 20 20
41 41 41 33 33 33 0 0 0 20 20 20 20 20
0 41 41 41 33 33 33 0 50 20 20 20 20 20
0 41 41 41 41 33 33 33 50 50 20 20 20 0
0 0 41 41 41 41 33 33 33 50 50 20 0 0
0 0 0 41 41 41 41 33 33 33 50 0 0 0
0 0 0 0 0 41 41 41 0 0 0 0 0 61
Keluaran dari metode K-Means Clustering, kode register trombosit yang
dihasilkan tidak berurutan.
IV.4 Metode Local Minimization
Metode Local Minimization digunakan untuk meminimakan kode register
yang tidak berurutan pada matriks region dengan kode register yang berdekatan.
Tahapan ini digunakan untuk membangun data base dan menguji data base. Hasil
25
dari Local Minimization adalah kode register yang sama di dalam satu trombosit.
Berikut cuplikan hasil local minimization.
Tabel IV.3 Cuplikan Hasil Local Minimization

0 0 0 0 20 20 20 20 20 0 0 0 0 0
0 0 0 20 20 20 20 20 20 20 20 0 0 0
0 0 20 20 20 20 20 20 20 20 20 20 0 0
0 20 20 20 20 20 20 20 20 20 20 20 0 0
0 20 20 20 20 20 20 20 20 20 20 20 20 0
20 20 20 20 20 20 0 0 20 20 20 20 20 0
20 20 20 20 20 20 0 0 20 20 20 20 20 20
20 20 20 20 20 20 0 0 0 20 20 20 20 20
0 20 20 20 20 20 20 0 20 20 20 20 20 20
0 20 20 20 20 20 20 20 20 20 20 20 20 0
0 0 20 20 20 20 20 20 20 20 20 20 0 0
0 0 0 20 20 20 20 20 20 20 20 0 0 0
0 0 0 0 0 20 20 20 0 0 0 0 0 61
IV. 5 Membangun Data Base
Dalam membangun data base dipilih trombosit yang sudah diketuhui
kelompoknya antara Trombosit Normal, Makrotrombositopenia, dan
Psedotrombositopenia. Kemudian dihitung luas, keliling serta Roundness. Dalam
proses iterasi terdapat benda kecil seperti ditunjukan pada panah gambar IV.5
bukan trombosit atau terletak di tepi citra, maka perlu dihitung ukuran piksel
pada nomor yang sama. Luas Piksel yang dianggap trombosit kecil <50.
Trombosit berbentuk keping yang bagian tengah tipis, sehingga bagian itu tampak
bolong di citra mikroskop. Karena bolong di citra mikroskop adalah bagian
trombosit, bolong dikoreksi seperti pada gambar IV.6.
26
(a)
Gambar IV.5 Cuplikan Citra Trombosit. (a) di Tepi Citra; (b) Bernoise
(b)
Gambar IV.6 Citra Trombosit Darah
Untuk hasil koreksi dapat dilihat pada lampiran 2.
IV. 6 Ekstraksi Variabel
Ekstraksi variabel digunakan untuk memisahkan nilai dari setiap jenis citra
trombosit yang kemudian dapat dilihat pengelompokannya. Variabel yang
diekstrak alah luas, keliling dan roundness.
Tabel IV.4 Roundness Trombosit Normal, Pseudotrombositopenia dan

Makrotrombositpenia
Normal Pseudotrombositopenia Makrotrombositopenia
No. No. No.
Register Roundness Register Roundness register Roundness
10 3.30303 5 29.25035 2 12.68699
20 3.594595 133 19.17286 3 11.70175
24 2.78125 207 13.11011 6 9
30 3.411765 488 15.81324 7 10.91304
27
37 3.4 616 13.77396 12 8.102564
44 3.257143 14 9.660377
46 2.793103 15 11.27731
55 3.388889 20 10.81633
56 2.983051
22 5.389706
60 1
24 8.28972
61 4.111111
63 3.147059 28 4.177778
67 3.675676 61 6.25
dst .... dst ....
Grafik Roundness berdasarkan jenis dituliskan dalam gambar IV.7.
35
30
25
Nilai Roundness
20
Normal
15 Makro
Pseudo
10
0
0 0.5 1 1.5 2 2.5 3 3.5
Jenis Trombosit
Gambar IV.7 Grafik Roundness
Tampak visual roundness Makrotrombostopenia dan Pseudotrombositopenia
tumpang tindih maka dibuat batas antara normal dan pseudo. Nilai batas itu
dirumuskan:
( ) ( )
GP = +𝑁𝑜𝑟𝑚𝑎𝑙 (𝐵) 4.1
GP = 5,814
28
Tabel IV.5 Perbandingan Keliling Trombosit Normal, Pseudotrombositopenia dan
Makrotrombosiopenia

No. No. No.
Register Keliling Register Keliling Register Keliling
10 33 5 719 2 246
20 37 133 700 3 57
24 32 207 999 6 40
30 34 488 423 7 138
37 35 616 407 9 39
44 35 12 53
46 29 14 119
55 36 15 49
56 59 20 136
60 2 22 107
61 54 24 90
63 34 27 36
Dst .... Dst ....
Keterangan:
Keliling Max. Makro : 317
Keliling Min. Pseudo: 407
1200
1000
800
Nilai Keliling
600 Normal
Makro
400
Pseudo
200
0
0 0.5 1 1.5 2 2.5 3 3.5
Jenis Trombosit
Gambar IV.8 Grafik Kelompok Trombosit Berdasarkan Keliling
29
Karena selisih antara nilai atas makrotrombositopenia dengan nilai bawah
pseudotrombositopenia cukup besar, dibuat garis batas antara
Pseudotrombositopenia dan Makrotrombositopenia dengan rumus:
( ) ( )
GK = + 𝑎 𝑟𝑜(𝐵) 4.2
GK =
Tabel IV.6 Luas Trombosit Normal, Pseudotrombositopenia dan
Makrotrombositopenia

No. No. No.
Register Luas register Luas Register Luas
10 109 5 21031 2 3121
20 133 133 13421 3 667
24 89 207 13097 6 360
30 116
488 6689 7 1506
37 119
616 5606 9 316
44 114
46 81 12 512
55 122 14 1342
56 176 15 530
60 2 20 733
61 222 22 887
63 107 24 376
67 136 27 225
dst .... Dst ....
Keterangan:
Luas Max. Makro : 4497
Luas Min. Pseudo: 5606
30
25000
20000
Nilai Luas
15000
Normal
Makro
10000
Pseudo
5000
0
0 0.5 1 1.5 2 2.5 3 3.5
Jenis Trombosit
Gambar IV.9 Grafik Kelompok Trombosit Berdasarkan Luas
Berdasarkan grafik diatas dapat dilihat selisih antara nilai atas trombosit normal
dan nilai bawah makrotrombositopenia sangat kecil, dibuat garis batas antara
pseudotrombositopenia dan makrotrombositopenia dengan rumus:
( ) ( )
GL = + 𝑎 𝑟𝑜 (𝐵) 4.3
GL = 5053
Berdasarkan pengelompokan luas, keliling, roundness yang dijelaskan
sebelumnya, dibuat pohon keputusan sebagai berikut:
31
N
PLK, Luas, Keliling
PLK <5,814 PLK >5,814
Normal
Keliling<362 Keliling>362 Luas<5053 Luas>5053
HK=2 HK=3 HL=2 HL=3
RK= HL+ HK
4,5<RK<5,5 RK<4,5 RK>5,5
Makro Pseudo
Tidak diketahui
Bukan trombosit
Gambar IV.10 Pohon keputusan.
32
IV. 7 Perbandingan Hasil
Kecocokan citra trombosit dari pohon keputusan dengan tampilan visual
dari gambar IV.3 dijelaskan dalam tabel:
Tabel IV.7 Perbandingan Hasil

Keputusan
Nomor Register Visual program Kecocokan
2 Makro Makro Cocok
3 Makro Makro Cocok
4 Tidak Jel Makro Tidak Jelas
5 Pseudo Pseudo Cocok
9 Bukan Trombosit Bukan Trombosit Cocok
10 Makro Makro Cocok
11 Normal Normal Cocok
39 Lokasi Pinggir Bukan Trombosit Lokasi Pinggir
310 Normal Makro Tidak Cocok
372 bukan Trombosit Bukan Trombosit Cocok
33
649 Bukan Trombosit Normal Tidak Cocok
811 Bukan Trombosit Makro Tidak Cocok
Khusus di lokasi pinggir karena gambar tidak lengkap, secara visual tidak bisa
diputuskan. Berdasarkan Program Matlab terdapat 6 kode register termaksud
trombosit normal,15 kode register Makrotrombositipenia, 5 kode register
Pseudotrombositopenia, dan 30 kode register bukan trombosit. Okupansi luas
trombosit 0,556.
Persentase Kecocokan
tidak cocok lokasi pinggir
1% 0%
Cocok
99%
Gambar IV.11 Persentasi Kecocokan.
34
Berdasarkan gambar IV.11 persentasi ketidakcocokan hanya 1% hal ini
disebabkan trombosit pada citra berada di Tepi.
Gambar IV.12 Histrogram Hasil
Dari gambar IV.12 dapat dilihat sebaran luas dari citra trombosit (gambar IV.3).
35
BAB V
PENUTUP
V.I Kesimpulan
1. Telah dibuat Program untuk menghitung jumlah trombosit pada citra sel
darah dengan menggunakan program Matlab.
2. Perhitungan jumlah trombosit pada citra sel darah menggunakan metode K –
Means Clusterin dan Local Minimization dengan melihat luas piksel,
keliling, dan roundness dari trombosit. Terdapat 3 jenis citra yang diolah
yaitu citra trombosit normal, Makrotrombositopenia, dan
Pseudotrombositopenia. Analisis dilakukan dengan membandingkan
presentasi kecocokan citra dari program dengan tampilan visual citra. Hasil
yang diperoleh menunjukkan presentasi ketidakcocokan hanya 1%.
V.2 Saran
1. Kelanjutan penelitian ini dapat diarahkan pada pengenalan jenis sel darah
seperti sel darah putih, sel darah merah, dan jenis penyakit sel darah lain
yang diderita pasien.
2. Perbesaran mikroskop yang digunakan sebaiknya diketahui.
36
DAFTAR PUSTAKA
1. Departemen Kesehatan RI. 1991. Petunjuk Pemeriksaan Laboratorium
Puskesmas. Jakarta.
2. Kosasih, A.S dan Kosasih E.N. 2008. Tafsiran Hasil Pemeriksaan
Laboratorium Kliniks ed 2. Tanggerang. Karisma.
3. Hartadi, D dan Sumardi Isnanto R.R. 2004. Simulasi Perhitungan Sel
Darah Merah Transmisi vol.8 no.2
4. Suharleni, F. 2011. Modul Praktikum Pengantar Ilmu Komputer. Malang:
UIN Maulana Malik Ibrahim.
5. Sari, I.K. 2008. Analisis Perhitungan Sel Darah Berbasis Pengelolahan
Citra Digital Dengan Metoda Adaptive Theresholding”Blood Cell Counting
Analyse Based Digital Image Procesing By Adaptive Theresholding
Method”. Universitas Telkom. Bandung.
6. Aulia, D. 1992. Pemeriksaan Pada Kelainan Hemostasis. Dalam :
Setyabody R (Ed). Hematosis dan Trombosist. Yogyakarta : Balai Penelitian
FKUI.
7. Kusumawardani, E. 2010. Waspada Penyakit Darah Mengintai Anda.
Hanggar Kreator. Jakarta.
8. C. Preace Evelyn. 2002. Anatomi Fisiologi Untuk Paramedis. Jakarta :
Gahamedia.
9. Effendy, Nazrul, dkk. 2008. Deteksi Pornografi Pada Citra Digital
Menggunakan Pengolahan Citra dan Jaringan Syaraf Tiruan. Jurnal Teknik
Informatika.
37
10. Kempert, P.H. White Blood Cell Function Contributor Information and
Disclosures. University of California at Los Angeles Mattel Children's
Hospital and UCLA Medical Center.
11. Prawirohartono, S dan Hadisumarto, S. 2000. Sains Biologi-2a. Jakarta :
Bumi Aksara.
12. Brown, B. 1984. Hematology principles and procedurs 4th ed. Philadelpia:
Lea & Febriger.
13. Widmana, Frances, K. 1995. Tinjauan Klinis Atas Hasil Pemeriksaan
Laboratorium ed 9. Jakara : EGC.
14. Sacher, R.A dan McPherson, R.A. 2004. Tinjauan Klinis Atas Hasil
Pemeriksaan Laroratorium Cetakan 1. Jakarta : EGC.
15. Handin, R.J. 1998. Disorders Of The Platelet And Vasel Wall. In;
Isselbacher KJ Principles OF Internal Medicine. New York; Mc Graw-Hill
16. Freund, M dan Dany, F. 2012. Atlas Hematologi HecknerPraktikum
Hmematologi Dengan Mikroskop edisi 11. Jakarta. Kedokteran EGC.
17. Gandasoebrata, R. 2007. Penuntun Laboratorium Klinik. Dian rakyat:
Jakarta.
18. Wallach, J. 1992. Intrepration Of Diagnostic Test A Synopsis Of
Laboratoriy Medicine Buston : Litle Brown
19. Utama, J. 2011. Akusisi Citra Digital Menggunakan Program Matlab.
Unikom: Bandung.
20. Murni, A. 1992. Pengantar Program Citra PT Elek Media Komputindo
Kelompok Gramedia: Jakarta.
38
21. Jain, A.K. 1995. Fundamentals of Digital Image Field Proccesing. Prentice
Hall: New Delhi.
22. Agustina, I dan Fausia. 2009. Konversi Warna RGB ke HLS Menggunkan
C ++. Yogyakarta: UPN Vetran.
23. Gonzalez, R.C dan Woods, R.E. 2008 Digital Image Processing Third
Edition Pearson Prentice Hall London.
24. Garcia, H.M dan Ullman, J. 2002. Database systems: The complete book.
25. Andayani, S. 2007. Pembentukan cluster dalam Knowledge Discovery in
Database dengan Algoritma K-Means. SEMNAS Matematika dan
Pendidikan Matematika Dengan tema “Trend Penelitian Matematika dan
Pendidikan Matematika di Era Global.
26. Agusta, Y. 2007. K-means–penerapan permasalahan dan metode terkait.
Jurnal Sistem dan Informatika 347-60.
27. Ahmad, U. 2005 Pengolahan Citra Digital dan Teknik Pemrogramannya
Graha Ilmu Yogyakarta.
39
Lampiran 1 Tabel Hasil Penentuan Centeroid Untuk Citra Trombosit
D. Keabuan C1 dC1 C2 dC2 Dekat
135.667 255 119.333 0 135.667 1
114 255 141 0 114 2
92 255 163 0 92 2
84 255 171 0 84 2
84.3333 255 170.667 0 84.3333 2
111 255 144 0 111 2
93.3333 255 161.667 0 93.3333 2
86 255 169 0 86 2
85.3333 255 169.667 0 85.3333 2
83.6667 255 171.333 0 83.6667 2
92 255 163 0 92 2
77.6667 255 177.333 0 77.6667 2
77.6667 255 177.333 0 77.6667 2
87 255 168 0 87 2
93.3333 255 161.667 0 93.3333 2
82 255 173 0 82 2
71.6667 255 183.333 0 71.6667 2
80 255 175 0 80 2
100.333 255 154.667 0 100.333 2
116.333 255 138.667 0 116.333 2
77.6667 255 177.333 0 77.6667 2
71.6667 255 183.333 0 71.6667 2
86.3333 255 168.667 0 86.3333 2
113 255 142 0 113 2
133 255 122 0 133 1
71.6667 255 183.333 0 71.6667 2
68 255 187 0 68 2
88.6667 255 166.333 0 88.6667 2
118 255 137 0 118 1
138 255 117 0 138 1
75.6667 255 179.333 0 75.6667 2
76 255 179 0 76 2
96 255 159 0 96 2
124.667 255 130.333 0 124.667 2
141.667 255 113.333 0 141.667 1
82.6667 255 172.333 0 82.6667 2
82.6667 255 172.333 0 82.6667 2
100 255 155 0 100 2
122.667 255 132.333 0 122.667 2
131.667 255 123.333 0 131.667 1
40
78.6667 255 176.333 0 78.6667 2
76.6667 255 178.333 0 76.6667 2
91 255 164 0 91 2
106.333 255 148.667 0 106.333 2
106.667 255 148.333 0 106.667 2
95.6667 255 159.333 0 95.6667 2
86 255 169 0 86 2
75 255 180 0 75 2
73.3333 255 181.667 0 73.3333 2
79 255 176 0 79 2
Contoh perhitungan nilai centeroid
1 +1 + 11 +1 +1 1 +1 1
𝐶1 𝐵𝑎𝑟𝑢 =
=1
𝐶 𝐵𝑎𝑟𝑢 = (11 + 9 + + + 111 + 9 + +
+ +9 + + + +9 +
+ 1 +1 + 11 + + 1
+ + 11 + 1 + + + +
+9 +1 + + +1 +1
+ + + 91 + 1 +1 +9
+ + + + 9) ⁄
= 91 1
D. Keabuan C1 dC1 C2 dC2 Dekat

135.667 133 2.66667 91.1 44.5667 1
114 133 19 91.1 22.9 2
92 133 41 91.1 0.9 2
84 133 49 91.1 7.1 2
84.3333 133 48.6667 91.1 42.4333 2
111 133 22 91.1 19.9 2
93.3333 133 39.6667 91.1 2.23333 2
41
86 133 47 91.1 5.1 2
85.3333 133 47.6667 91.1 5.76667 2
83.6667 133 49.3333 91.1 7.43333 2
92 133 41 91.1 0.9 2
77.6667 133 55.3333 91.1 13.4333 2
77.6667 133 55.3333 91.1 13.4333 2
87 133 46 91.1 4.1 2
93.3333 133 39.6667 91.1 2.23333 2
82 133 51 91.1 9.1 2
71.6667 133 61.3333 91.1 -19.433 2
80 133 53 91.1 -11.1 2
100.333 133 32.6667 91.1 9.23333 2
116.333 133 16.6667 91.1 25.2333 2
77.6667 133 55.3333 91.1 -13.433 2
71.6667 133 61.3333 91.1 -19.433 2
86.3333 133 46.6667 91.1 -4.7667 2
113 133 20 91.1 21.9 2
133 133 0 91.1 41.9 1
71.6667 133 61.3333 91.1 -19.433 2
68 133 65 91.1 -23.1 2
88.6667 133 44.3333 91.1 -2.4333 2
118 133 15 91.1 26.9 1
138 133 -5 91.1 46.9 1
75.6667 133 57.3333 91.1 -15.433 2
76 133 57 91.1 -15.1 2
96 133 37 91.1 4.9 2
124.667 133 8.33333 91.1 33.5667 2
141.667 133 8.66667 91.1 50.5667 1
82.6667 133 50.3333 91.1 -8.4333 2
82.6667 133 50.3333 91.1 -8.4333 2
100 133 33 91.1 8.9 2
122.667 133 10.3333 91.1 31.5667 2
131.667 133 1.33333 91.1 40.5667 1
78.6667 133 54.3333 91.1 -12.433 2
76.6667 255 178.333 91.1 -14.433 2
42
91 255 164 91.1 -0.1 2
106.333 255 148.667 91.1 15.2333 2
106.667 255 148.333 91.1 15.5667 2
95.6667 255 159.333 91.1 4.56667 2
86 255 169 91.1 -5.1 2
75 255 180 91.1 -16.1 2
73.3333 255 181.667 91.1 -17.767 2
79 255 176 91.1 -12.1 2
1 +1 + 11 +1 +1 1 +1 1
𝐶1 𝐵𝑎𝑟𝑢 =
=1
𝐶 𝐵𝑎𝑟𝑢 = (11 + 9 + + + 111 + 9 + +
+ +9 + + + +9 +
+ 1 +1 + 11 + + 1
+ + 11 + 1 + + + +
+9 +1 + + +1 +1
+ + + 91 + 1 +1 +9
+ + + + 9) ⁄
= 91 1
Keterangan:
Dekat 1 : Trombosit
Dekat 2 : Bukan trombosit
43
Lampiran 2 Tabel hasil setelah dilakukan koreksi bolong pada citra trombosi.
Luas
Nomor Trombosit Trombosit
Setelah Kelilin
Registe Besar/Keci Luas Bolong/Tida Roundness
Dikoreks g
r l k
i
10 B 89 B 109 33 3.30303
20 B 125 B 133 37 3.59459
24 B 84 B 89 32 2.78125
30 B 90 B 116 34 3.41176
37 B 109 B 119 35 3.4
44 B 85 B 114 35 3.25714
46 B 72 B 81 29 2.7931
55 B 97 B 122 36 3.38889
56 B 155 B 176 59 2.98305
60 K 2 T 2 2 1
61 B 213 B 222 54 4.11111
63 B 72 B 107 34 3.14706
67 B 101 B 136 37 3.67568
68 B 117 B 138 38 3.63158
78 B 76 B 115 34 3.38235
79 B 76 B 98 34 2.88235
84 B 77 B 109 36 3.02778
93 B 84 B 114 34 3.35294
109 B 112 B 140 44 3.18182
110 B 90 B 111 35 3.17143
115 B 87 B 123 36 3.41667
123 B 103 B 105 33 3.18182
124 B 97 B 121 34 3.55882
131 B 105 B 131 38 3.44737
132 B 111 B 161 42 3.83333
140 B 86 B 113 35 3.22857
144 B 110 B 143 39 3.66667
161 B 94 B 113 35 3.22857
169 B 107 B 130 37 3.51351
170 K 3 T 0 0 NaN
172 B 77 B 96 33 2.90909
181 B 81 B 106 35 3.02857
183 B 82 B 99 32 3.09375
188 B 71 B 90 32 2.8125
190 B 221 B 230 59 3.89831
209 B 178 B 186 51 3.64706
211 B 103 B 132 37 3.56757
212 B 87 B 104 34 3.05882
215 B 110 B 136 37 3.67568
44
227 B 74 B 95 33 2.87879
232 B 79 B 103 33 3.12121
250 B 90 B 119 36 3.30556
265 B 75 B 108 34 3.17647
268 B 102 B 126 36 3.5
277 B 98 B 110 34 3.23529
284 B 83 B 86 31 2.77419
286 B 116 B 131 37 3.54054
288 B 72 B 80 29 2.75862
289 B 91 B 121 35 3.45714
301 B 104 B 134 38 3.52632
306 B 101 B 112 34 3.29412
309 B 99 B 127 36 3.52778
311 B 95 B 130 37 3.51351
318 B 96 B 113 37 3.05405
320 K 2 B 2 2 1
328 B 67 B 100 32 3.125
332 B 89 B 104 33 3.15152
341 B 98 B 128 37 3.45946
342 B 59 B 87 31 2.80645
349 B 98 B 144 39 3.69231
352 B 90 B 91 29 3.13793
355 B 93 B 128 36 3.55556
365 B 222 B 239 66 3.62121
366 B 92 B 124 38 3.26316
373 B 78 B 102 34 3
380 B 75 T 75 32 2.34375
383 K 1 T 0 0 NaN
391 B 90 B 129 36 3.58333
396 B 91 B 109 32 3.40625
409 B 63 B 98 34 2.88235
413 B 196 B 237 56 4.23214
416 B 92 B 121 35 3.45714
418 B 81 B 90 39 2.30769
420 B 199 B 228 53 4.30189
423 B 84 B 118 37 3.18919
425 B 93 B 137 38 3.60526
434 B 90 B 119 36 3.30556
452 B 70 B 89 32 2.78125
464 B 79 B 117 35 3.34286
470 K 1 T 1 1 1
476 B 121 B 133 39 3.41026
480 B 95 B 140 37 3.78378
483 B 72 B 120 36 3.33333
488 B 88 B 93 32 2.90625
45
489 B 90 B 101 33 3.06061
493 B 84 B 109 33 3.30303
497 B 98 B 126 36 3.5
498 B 87 B 90 31 2.90323
515 B 100 B 103 33 3.12121
521 B 168 B 221 52 4.25
523 B 69 B 100 32 3.125
527 B 68 B 118 36 3.27778
528 B 82 B 118 36 3.27778
530 B 76 B 100 33 3.0303
532 B 67 B 98 32 3.0625
555 B 91 B 119 36 3.30556
557 B 74 B 102 34 3
559 B 107 B 127 38 3.34211
561 B 83 B 132 38 3.47368
567 B 86 B 124 35 3.54286
579 B 207 B 223 51 4.37255
592 B 86 B 127 37 3.43243
597 B 114 B 151 45 3.35556
609 B 95 B 118 35 3.37143
610 B 253 B 276 77 3.58442
611 B 87 B 119 35 3.4
632 B 90 B 113 37 3.05405
636 B 84 B 113 34 3.32353
638 B 132 B 169 43 3.93023
639 B 112 B 126 36 3.5
644 B 102 B 131 37 3.54054
654 B 86 B 110 35 3.14286
671 B 114 B 130 37 3.51351
685 B 130 B 147 41 3.58537
687 B 92 B 129 39 3.30769
693 B 82 B 104 34 3.05882
694 B 87 B 105 33 3.18182
700 B 103 B 129 36 3.58333
703 B 86 B 127 36 3.52778
708 B 124 B 153 40 3.825
710 B 74 B 90 30 3
725 B 100 B 136 37 3.67568
731 B 82 B 109 35 3.11429
735 B 103 B 133 38 3.5
741 B 73 B 84 30 2.8
751 B 88 B 118 36 3.27778
752 B 69 T 69 26 2.65385
764 B 85 B 128 38 3.36842
768 B 84 B 102 33 3.09091
46
776 B 177 T 177 47 3.76596
777 B 62 B 97 36 2.69444
785 B 94 B 108 33 3.27273
787 B 112 B 131 38 3.44737
790 B 71 B 79 29 2.72414
792 B 123 B 128 37 3.45946
794 B 110 B 135 37 3.64865
795 B 91 B 138 38 3.63158
808 B 74 B 106 33 3.21212
817 B 92 B 124 36 3.44444
818 B 98 B 103 34 3.02941
839 B 86 B 113 34 3.32353
840 K 1 T 1 1 1
847 B 118 B 140 39 3.58974
850 B 77 B 138 39 3.53846
853 B 230 B 244 60 4.06667
856 B 85 B 105 34 3.08824
868 B 77 B 110 35 3.14286
874 B 106 B 119 37 3.21622
879 B 96 B 130 39 3.33333
883 K 1 T 1 1 1
887 B 113 B 134 38 3.52632
889 K 1 T 1 1 1
891 B 116 B 125 36 3.47222
900 B 87 B 107 34 3.14706
904 B 85 B 107 33 3.24242
908 B 116 B 141 32 4.40625
913 B 118 B 133 38 3.5
916 B 95 B 102 32 3.1875
923 B 86 B 98 26 3.76923
932 B 92 B 96 26 3.69231
935 B 92 B 104 24 4.33333
939 B 57 B 84 21 4
940 B 51 B 79 21 3.7619
941 B 63 B 80 21 3.80952
958 K 41 B 58 17 3.41176
968 K 37 T 37 13 2.84615
Lampiran 3 Tabel Perbandingan Hasil Gambar IV.1
47
Nomor Register Visual Pohon Keputusan Kecocokan
56 Bukan Trombosit Normal Tidak Cocok
48
380 Normal Normal Tidak Cocok
49
50
51

Analisis Citra Darah Untuk Menentukan Jumlah Trombosit

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Citra Darah Untuk Menentukan Jumlah Trombosit

Diunggah oleh

Hak Cipta:

Format Tersedia

Skripsi Fisika

ANALISIS CITRA DARAH UNTUK MENENTUKAN JUMLAH

CHRISTINA DUA PADANG

CHRISTINA DUA PADANG

di Universitas Hasanuddin atau di lembaga pendidikan lainnya di manapun,

tertentu dibantu oleh pihak pembimbing.

CHRISTINA DUA PADANG

Telah dilakukan penelitian dengan menganalisis citra darah guna menentukan

Kata Kunci : Trombosit, K – Means Clustering, Local Minimization, Template

Keywords: Platelets, K - Means Clustering, Local Minimization, Template

limpahan rahmat dan kasih-Nya sehingga penulis dapat menyelesaikan tugas

Menentukan Jumlah Trombosit yang merupakan salah satu syarat

menyelesaikan jenjang kesarjanaan Strata 1 pada Departemen Fisika, Fakultas

Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin.

penulis ucapkan selain terimah kasih yang sebesar-besarnya dan penghargaan

mempunyai cara sendiri dalam memberikan motivasi kepada penulis.

keluarga, yang selalu mendoakan, mendukung, dan memotivasi kepada penulis.

banyak meluangkan waktu dan pikirannya serta memberi motivasi, masukan

dan arahannya dalam penyusunan skripsi ini.

Koordinator Seminar yang selalu meluangkan waktunya dalam memberikan

arahan, bimbingan dan bantuan sehingga skripsi ini dapat terselesaikan.

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin.

4. Bapak Dr. Bualkar Abdullah, M.Eng.Sc, Bapak Drs. Bansawang B.J.,

memberi masukan, saran dan kritikannya demi penyempurnaan skripsi ini.

5. Bapak Prof. Dr. Syamsir Dewang, M.Eng.Sc selaku Penasehat Akademik

yang telah banyak memberikan nasehat selama penulis menempuh studi.

menuangkan segala ilmu dan idenya demi kemajuan penulis.

Karyawan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas

8. Teman seperjuangan „Diklat XXV SAR Unhas‟ Sri Wahyuningsi,

Fahruddin, Wahyuddin Mangemba, Andi Mugni Acan, Muhammad

Yusran, Muhammad Akbar yang senantiasa memberikan dukungan, dan

semangat dalam menjalani masa-masa MBO di SAR Unhas.

9. Sahabat „Ciwi-ciwi‟ penulis, Birgita Sriyanti Gelong teman seperjuangan

dipertemukan dalam satu Organisasi Kemanusian “SAR Unhas”. Kalian luar

berbagi makanan dan cerita di Kosan.

masukkan dalam menjalankan kepengurusan, terima kasih untuk semua

kebersamaanya. Teman teman Badan Pengurus Periode 2016 dan Periode

2017 terima kasih atas kerjasamanya. Adik-adik yang akan melanjutkan

tongkat estafet organisasi tetap semangat. Avignam Jagat Samagram.

13. Teman-Teman KKN GELOMBANG 93 Kab. Sidrap, Kec. Watansidenreng,

tidak akan terlupakan.

menghadapi perkuliahan. Terkhusus Fey, Rahmasari, Satria, Kiki yang

berjuang bersama menyelesaikan tugas akhir tahun ini. Tetap Semangat!

SMAN Negeri 1 Tomoni Timur, Terutama Fatma, Rusli, Asih yang

kembali dipertemukan di Universitas Hasanuddin. yang sampai sekarang

masih saling berhubungan dan saling mendukung meski terpisah jarak,

seperjuangan dan sependeritaan dalam menyusun tugas akhir. Selalu berjuang

bersama dari Pagi sampai Sore. Kalian memang tangguh!

Kak Culli, yang selalu menghibur dengan cerita mereka.

banyak memberi bantuan dan kemudahan dalam proses penulisan ini.

mengerahkan segala kemampuan dalam menyelesaikan skripsi ini, namun sebagai

manusia yang memiliki kekurangan, penulis menyadari bahwa masih banyak

sripsi ini dapat bermanfaat bagi para pembaca.

Makassar, Januari 2018

Christina Dua Padang

HALAMAN JUDUL ........................................................................................... i

DAFTAR ISI ........................................................................................................ ii

DAFTAR TABEL ............................................................................................... iv

DAFTAR GAMBAR ........................................................................................... v

DAFTAR LAMPIRAN ....................................................................................... vii

I.1 Latar Belakang .......................................................................................... 1

I.2 Ruang Lingkup ......................................................................................... 3

I.3 Tujuan Penelitian ...................................................................................... 3