Implementasi "Jaringan Syaraf

Tiruan"
Untuk Mendeteksi Golongan Darah
Manusia
Dengan Menggunakan Pengolahan
Citra
Nama Anggota Kelompok
Ash Shiddiqy Dirul Akbar
Esta Panji Saputra
Faldi Rugina
Robby Alfisyahrin
1. Pendahuluan

Personal Computer (PC) sebagai sarana bantu manusia dapat

menyelesaikan pekerjaan sehari-hari di segala bidang. Pada mulanya
para pemakai hanya menggunakan komputer sebagai mesin ketik,
kini telah berkembang menjadi alat kontrol atau pengendali baik di
rumah tangga, di industri bahkan di lingkungan pendidikan.

Dengan bantuan kamera video dan video blaster maka komputer

dapat mengenali informasi dari citra atau gambar yang sedang
diamati. Pengolahan citra adalah suatu metode atau teknik yang
dapat digunakan untuk memproses citra atau gambar dengan jalan
memanipulasinya menjadi data gambar yang diinginkan untuk
mendapat informasi tertentu.
 Manusia berusaha keras dengan segala kemampuannya
untuk menirukan kehebatan yang mereka miliki, misalnya
seorang dokter dengan keahliannya dapat membedakan
golongan darah manusia antara A, B, AB, dan O. Dengan
pendekatan kecerdasan buatan, manusia berusaha
menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf
Tiruan telah dikembangkan sebagai generalisasi model
matematik dari pembelajaran manusia. Beberapa peneliti
telah berhasil mengaplikasikan jaringan syaraf tiruan untuk
menyelesaikan permasalahan identifikasi. Diantaranya adalah
pada bidang kedokteran telah dikembangkan untuk deteksi
adanya kanker pada paru-paru dan untuk deteksi dan
klasifikasi kondisi penyakit liver.
Sebelumnya penulis juga telah berhasil mengembangkan
jaringan syaraf tiruan untuk identifikasi dengan proses
pembelajaran kemampuan seorang pakar untuk deteksi
tingkat keragaman kerusakan warna pada layar monitor
dan untuk deteksi keragaman warna produk keramik.
Dalam makalah ini dicoba untuk membuat perangkat
lunak yang dapat dipergunakan untuk mendeteksi
golongan darah manusia dengan menggunakan
pengolahan citra. Adapun metode yang digunakan
dengan cara mengembangkan Jaringan Syaraf Tiruan
dengan metoda pembelajaran backpropagasi .
2. Blok Diagram Perangkat Keras
Keseluruhan perangkat keras membentuk suatu sistem dengan susunan blok diagram seperti
gambar 1.

Gambar 1. Blok Diagram Perangkat Keras

Blok diagram dari perangkat keras terdiri dari:

- Obyek gambar, sebagai obyek dari darah yang akan dideteksi.
- Kamera Video, sebagai sarana masukan untuk memberikan data ke komputer.
- Video Blaster, sebagai perubah dari sinyal analog menjadi sinyal digital
komputer.
3. Subsistem Pengolahan Citra
Secara garis besar perangkat lunak membentuk blok diagram seperti
pada gambar 2.

Gambar 2. Blok Diagram Perangkat Lunak

Subsistem pengolahan citra terbagi menjadi beberapa bagian fungsional.
Citra yang diolah memiliki ciri sebagai berikut:
- Resolusi 512 x 256 pixel
- Memiliki 256 derajat keabuan
- Diperoleh dari akuisisi data dengan menggunakan sebuah kamera
handycam dan diubah menjadi data digital dengan sebuah card video
blaster.
Citra ini kemudian diolah dalam bagian-bagian yang akan dijelaskan
berikut ini:
3.1 Preprocessing
Pada tahap ini yang dilakukan adalah menyederhanakan
gambar seperti pada gambar 3. Yang biasa dilakukan pada dunia
pengolahan citra ialah dengan melakukan pendeteksian tepian
obyek yang berada dalam gambar. Teknik ini dinamakan deteksi
tepi (Edge Detection).
Adapun dasar dari teknik ini ialah dengan melakukan
penelusuran gambar secara vertikal dan horisontal sambil
melihat apakah terjadi perubahan warna mendadak yang
melebihi suatu harga (sensitifitas) antara dua titik yang
berdempetan. Jika ya, maka di tempat antara kedua titik
tersebut dianggap pinggiran sebuah benda.

Gambar 3. Proses penyederhanaan gambar

 Dalam makalah ini penulis menggunakan metode Prewitt Operator
yang merupakan salah satu pengembangan dari teknik deteksi tepi.
Pada Prewitt Perator Operator digunakan suatu matrik berukuran 3 x
3 dengan matrik target di titik tengahnya.
Matrik ini dilakukan perhitungan jumlah antara selisih titik pada sisi
horizontal dengan selisih titik pada sisi vertikal.
Result=abs(6+7+8-1-2-3)+abs(3+5+8-1-4-6) (1)

Dimana 1, 2, 3, 4, 5, 6, 7, 8 mewakili isi matrik seperti digambarkan di

atas. Dengan cara ini dapat ditentukan titik tersebut pingiran atau
tidak.

3.2 Ekstraksi Ciri

Setelah obyek-obyek yang ada berhasil disederhanakan pada tahap
sebelumnya, tahap berikutnya adalah mengekstraksi ciri-ciri tertentu
dari setiap obyek. Pada tahap ini mencari posisi gambar paling kiri,
paling kanan, paling atas dan paling bawah.
Kemudian gambar dibagi-bagi menjadi baris M dan
kolom N. Setiap kotak dilakukan scanning piksel bila
ditemukan piksel melebihi jumlah yang ditentukan
maka kotak tersebut diberi nilai 1, jika tidak diberi
nilai 0. Lakukan penyimpanan dalam matrik MxN
sebagai data referensi. Proses ekstraksi ciri dapat
dilihat pada gambar 4.

Gambar 4. Proses ekstraksi ciri

3.3. Klasifikasi
Seperti kita ketahui pada saat melakukan pendeteksian
terhadap golongan darah, terlebih dahulu 3 tetes contoh
darah harus ditetesi dengan reagent yang diberi nama dengan
anti A, anti B dan anti AB. Dari ketiga macam reagent tersebut
harus dapat dibedakan satu sama lain. Informasi data gambar
di komputer yang diperoleh dari kamera video terlihat seperti
pada gambar 5.

Golongan darah A Golongan darah B Golongan darah O

Gambar 5. Data gambar dari kamera video

Setelah diperoleh masukkan berupa informasi data gambar
dari tiap-tiap reagent maka keluarannya harus dapat
membedakan darah itu menggumpal (logika 1) atau tidak
menggumpal (logika 0). Dengan Jaringan Syaraf Tiruan kita
dapat membedakan darah itu mengumpal atau tidak
menggumpal.

Salah satu metode pembelajaran yang digunakan dalam

Jaringan Syaraf Tiruan adalah backpropagation atau dikenal
dengan generalisasi delta rule. Secara sederhana sebenarnya
adalah metode gradient descent untuk meminimisasi total
square error pada keluaran hasil perhitungan jaringan. Ada
tiga tahapan yang dilakukan pada metode
backpropagation:pemberian pola masukan saat proses
pembelajaran, perhitungan dan proses backpropagation dari
error, serta pengaturan nilai penimbang atau bobot.
Struktur dari jaringan backpropagasi yang digunakan dalam
makalah ini menggunakan 3 lapisan yaitu lapisan input sebanyak
90, lapisan tersembunyi sebanyak 10 dan lapisan output
sebanyak 1.
Dari ketiga hasil pemberian reagent diperoleh golongan darah
dari seseorang dengan menggunakan tabel sebagai berikut:

Misalnya tetes dari pertama mengumpal (1), tetes darah

kedua tidak mengumpal (0) dan tetes darah ketiga
mengumpal (1) maka keluarannya adalah golongan darah A.
4. Hasil Implementasi
Setelah diujicoba dan diperbaiki unjuk kerjanya, sistem
yang dirancang mampu untuk mengenali golongan
darah. Hasil-hasil implementasi terlihat seperti pada
gambar 6 dan 7.

Gambar 7.
Gambar 6. Data hasil skala matrik 9*10
Gambar darah dan hasil deteksi tepi
Dari hasil pengujian langsung dengan menggunakan kamera didapat hasil-hasil
seperti pada tabel 4. Bila dihitung terdapat jumlah benar ada 16 dan jumlah salah
ada 4. Maka prosentase kebenaran sampai saat ini sekitar 80%. Hal ini dikarenakan
tereduksinya sejumlah data pada waktu proses pengecilan data seperti pada tabel 3.
Grafik tranning data pada jaringan syaraf tiruan dapat dilihat pada
gambar 8. Terlihat bahwa semakin banyak iterasi kesalahan yang
terjadi semakin kecil.

Gambar 8. Grafik traning data pada jaringan syaraf tiruan

4. Kesimpulan
Dari hasil pengamatan dan percobaan dikaitkan
dengan permasalahan dan tujuan dilakukan penelitian
ini maka dapat diambil beberapa hal:
Perangkat lunak ini dapat digunakan untuk
menyederhanakan gambar dengan mengunakan
deteksi tepi yaitu metode Prewitt Operator.
Golongan darah tersebut dapat dikenali sebagai
golongan darah A, B, AB, dan O dengan jaringan syaraf
tiruan menggunakan metode backpropagasi.
Keberhasilan perangkat lunak sangat tergantung
dengan kondisi piranti pendukung, seperti kamera
video, video blaster, dan intensitas penerimaan
cahaya.