PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT)

BERBASIS PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN

RADIAL BASIS FUNCTION (RBF)

Erny Apriany Sylwana, Quatrine Wahyuni

Sub Jurusan Teknik Telekomunikasi dan Informasi
Jurusan Elektro Fakultas Teknik Universitas Hasanuddin 2012
E-mail : niny312@yahoo.com , justcallmeine@yahoo.com

ABSTRAK
Tes hematologi atau tes darah merupakan suatu pemeriksaan untuk mendiagnosa
kondisi medis. Tes hematologi meliputi pemeriksaan jumlah dan bentuk sel darah, dimana
hingga saat ini pemeriksaan morfologi sel darah masih dikerjakan secara manual. Hal ini
menyebabkan kurangnya ketelitian serta keakuratan yang dilakukan oleh para dokter dan
petugas laboratorium kesehatan sehingga adanya kemungkinan perbedaan identifikasi.
Kekurangan pada pemeriksaan hematologi secara manual dapat diatasi dengan menciptakan
suatu sistem otomatis dengan bantuan komputer menggunakan jaringan syaraf tiruan. Pada
tugas akhir ini dilakukan penelitian terhadap jaringan syaraf tiruan RBF untuk menentukan
morfologi sel darah merah (eritrosit). Citra sel darah merah (eritrosit) normal dan abnormal
yang berasal dari Lembaga Penelitian ABX dari Montpeller Perancis berjumlah 175 sampel
yang terbagi atas 105 sampel citra latih dan 70 sampel citra uji. Citra sel darah merah
(eritrosit) tersebut diolah melalui proses akuisisi citra, grayscale, deteksi tepi dan ekstraksi
ciri untuk menghasilkan input bagi jaringan syaraf tiruan Radial Basis Function. Penentuan
morfologi sel darah merah (eritrosit) berbasis pengolahan citra dan jaringan syaraf turuan
Radial Basis Function mencapai rata-rata akurasi 88,57% dengan total waktu pemrosesan
sistem 0,849087114 detik.

I. PENDAHULUAN Pada penelitian sebelumnya yaitu

Tes hematologi merupakan suatu
pemeriksaan untuk mendiagnosa kondisi
medis. Beberapa parameter yang diperiksa
pada tes hematologi adalah jumlah sel
darah dan morfologi normal dan abnormal
sel darah. Pemeriksaan morfologi sel
darah masih dikerjakan secara manual
sehingga dapat menyebabkan kurangnya
ketelitian serta keakuratan yang dilakukan
oleh para dokter dan petugas laboratorium
kesehatan sehingga adanya kemungkinan
perbedaan identifikasi antara dokter yang
satu dan lainnya.
Kekurangan pada pemeriksaan
hematologi secara manual dapat diatasi
dengan menciptakan suatu teknologi
jaringan syaraf tiruan yang mengadopsi
kemampuan manusia dalam melakukan
keputusan, atau dengan kata lain sistem
tersebut mempunyai kecerdasan buatan
(Artificial Intelligent).
“Penentuan Morfologi Sel Darah Merah
(Eritrosit) berbasis Pengolahan Citra dan
Jaringan Syaraf Tiruan” dengan
menggunakan metode Backpropagation.
Metode Backpropagation tersebut
memberikan keakuratan untuk citra latih
sebesar 100%, dan untuk citra uji nilai
rata-rata keakuratan 78,33 %, dimana nilai
tersebut masih perlu ditingkatkan dengan
menggunakan metode lain.
Oleh karena itu, pada penelitian ini
penulis mencoba memberikan alternatif
pemecahan masalah dengan metode
pembelajaran Radial Basis Function,
sehingga diharapkan penelitian ini dapat
digunakan untuk membantu pekerjaan
para dokter dan pihak laboratorium dalam
mengidentifikasi morfologi normal dan
abnormal sel darah merah (eritrosit)
 II. DASAR TEORI
II.1 Fisiologi Darah
Darah merupakan bagian dari cairan
ekstrasel yang menjalankan fungsi
transport, fungsi regulasi dan fungsi
pertahanan tubuh. Sel darah merah
(eritrosit) normal berbentuk bulat atau
agak oval dengan diameter 7 – 8 mikron
(normosit). Dilihat dari samping, sel darah
merah (eritrosit) nampak seperti cakram
atau bikonkaf dengan sentral akromia
kira-kira ⅓ - ½ diameter sel. Dalam
mengevaluasi morfologi sel darah merah
(eritrosit) pada sediaan apus, ada 4 hal
yang harus diperlihatkan : 1. bentuknya
(shape), 2. ukurannya (size), 3. warnanya
(staining), dan 4. struktur intraselluler
(structure.)
Kelainan bentuk sel darah merah
a. Ecchinocytes, biasa dijumpai pada
beberapa kelainan sistemik,
seperti gagal ginjal atau dehidrasi
berat, atau kadang ditemukan pada
penyakit hati.
b. Elliptocytes, biasanya ditemukan
pada penderita anemia.
c. Poikilocytes, biasanya ditemukan
pada anemia yang parah seperti :
myelosclerosis, megaloblastic
anemia, iron deficiency anemia,
microangiopathic hemolysis, dan
thalassemia.
d. Schistocytes, biasanya ditemukan
pada anemia hemolitik mekanik
seperti : valvular protheses,
microangiopathic hemolysis,
permukaan artifisial , dan pada
disseminated intravascular
coangulation, thrombotic
thrombocytopenic coangulation,
serta vascular prosthetic surgency.
e. Sickle cell, ditemukan pada
penyakit Hb-pati.
f. Tear Drop Cell, dapat dijumpai
pada talasemia, anemia
megaloblastik dan myelofibrosis
II.2 Jaringan Syaraf Tiruan Radial
Basis Function
Radial Basis Function adalah model
neural network yang mentransformasi
input secara nonlinear dengan
menggunakan fungsi aktivasi Gaussian
pada lapisan unit hidden sebelum diproses
secara linear pada lapisan output.
Seperti halnya jaringan saraf tiruan
yang lain, Radial Basis Function juga
memiliki topologi jaringan. Topologi
milik Radial Basis Function terdiri atas
unit lapisan masukan (input), unit lapisan
tersembunyi (hidden), dan unit lapisan
keluaran (output).
Gambar 1 Topologi Radial Basis Function
Pada jaringan radial basis function,
pemrosesan sinyal dari input layer ke
hidden layer bersifat nonlinier, sedangkan
dari hidden layer ke ouput layer sifatnya
linear. Pada hidden layer digunakan
sebuah fungsi aktivasi yang berbasis
radial, misalnya fungsi Gaussian. Fungsi
Gaussian bisa dituliskan sebagai berikut,
di mana adalah nilai spread yaitu
nilai yang menentukan bagaimana data
tersebar. Jika nilai spread makin besar
sensitivitas antardata semakin berkurang.
Radial Basis Function bersifat feed-
forward dimana jaringan feed-forward
adalah jaringan yang signalnya bergerak
dari input kemudian melewati lapisan
tersembunyi dan akhirnya mencapai unit
output (mempunyai struktur perilaku yang
stabil).
 Berguna atau setidaknya suatu tersebut. Langkah selanjutnya dilakukan
jaringan saraf tiruan ditentukan dari hasil analisis mengenai kinerja dan ketepatan
pelatihannya yang berupa bobot prediksi sistem, selanjutya dibuat laporan
neuronnya. Radial Basis Function hasil penelitian ini
memiliki algoritma pelatihan yang agak
unik karena terdiri atas metode supervised
dan unsupervised sekaligus, dimana
metode supervised merupakan metode
yang setiap pola yang diberikan ke dalam
jaringannya telah diketahui outputnya.
Selisih antara pola output aktual (output
yang dihasilkan) dengan pola output yang
dikehendaki (output target) yang disebut
error digunakan untuk mengoreksi bobot
jaringan. Sedangkan metode unsupervised
adalah metode yang tidak membutuhkan
target output. Pada metode ini tidak dapat
ditentukan hasil seperti apakah yang Gambar 2 Metodologi penelitian
diharapkan selama proses pembelajaran.
Kombinasi antara 2 jenis metode ini pada III. 1 Perancangan Desain Antar
jaringan Radial Basis Fnction Muka
menghasilkan suatu sistem yang handal Untuk keperluan perancangan
dalam mengatasi ketidaklinearan sistem sistem, maka pada penelitian ini digunakan
itu sendiri. fasilitas GUI (Graphical User Interface),
yang merupakan salah satu fasilitas yang
III. PERANCANGAN SISTEM disediakan oleh perangkat lunak Matlab
7.7. Dengan GUI dapat dibuatkan model
Penelitian ini dilakukan dengan tampilan sedemikian rupa yang
beberapa tahapan, yang pertama disesuaikan dengan keperluan penentuan
dilakukan adalah pengambilan data sel morfologi sel darah merah (eritrosit).
darah merah (eritrosit). Selanjutnya
dilakukan tahap pngolahan citra untuk
memilih data yang memiliki korelasi baik
untuk dijadikan sebagai input sistem.
Untuk menentukan morfologi sel darah
merah (eritrosit), digunakan sistem
jaringan syaraf tiruan Radial Basis
Function. Perancangan sistem jaringan
syaraf tiruan Radial Basis Function terdiri
atas 2 tahap, yaitu tahap pelatihan dan
tahap pengujian, dimana citra latih
sebanyak 15 untuk setiap bentuk sel darah
merah (eritrosit) yaitu bentuk normal,
ecchinocytes, elliptocytes, poikilocytes,
schistocytes, sickle cell dan tear drop cell
Gambar 3 Tampilan GUI
digunakan untuk membantu sistem
mengenali pola-pola tertentu untuk
selanjutnya kan diujikan menggunakan
citra uji yang berjumlah 10 untuk setiap
bentuk sel darah merah (eritrosit)
 IV. HASIL DAN PEMBAHASAN
IV.1 Proses Pengolahan Citra
IV.1.1 Proses Akusisi Citra
Proses akuisisi citra ini bertujuan
untuk mengatur citra sedemikian rupa
sehingga diperoleh ROI (region of
interest) berupa satu gambar sel darah
merah baik yang normal maupun
abnormal (dengan berbagai bentuk) untuk
diproses selanjutnya. Penentuan ROI
diperlukan untuk mengurangi ukuran citra
yang akan diproses sehingga waktu
perhitungan menjadi lebih cepat.
Perhitungan ROI dilakukan dengan cara
memilih serta mencuplik atau cropping
area yang diinginkan, pada program ini
area cropping diseragamkan menjadi
50x50 piksel untuk melihat kemungkinan
adanya sel yang berukuran lebih
besar/lebih kecil dari kondisi normal.
IV.1.2 Proses Grayscale
Ide dasar dari proses
pengkonversian citra RBG menjadi citra
grayscale sebenarnya adalah membuat
band tunggal dari 3 band RGB tersebut
untuk mendapatkan suatu citra grayscale.
Pemrosesan pada tingkat abu-abu ini
dipilih karena lebih sederhana, yaitu
hanya menggunakan sedikit kombinasi
warna sehingga dapat memperjelas
perbedaan warna sel dengan latar
belakang dan dengan citra abu-abu
dirasakan sudah cukup untuk memproses
peta yang semula berupa RGB color
dengan liputan abu-abu.
IV.1.3 Proses Deteksi Tepi
Proses deteksi tepi dilakukan
terhadap citra hasil grayscale untuk
mendapatkan pola yang lebih jelas agar
didapatkan informasi yang lebih
mencolok dari citra sel darah merah
(eritrosit) yang akan dikenali polanya.
Untuk nilai ambang (δ) akan
digunakan empat nilai ambang untuk
melihat perbedaan δ yang mana paling
baik digunakan yaitu 0,75 karena
dianggap paling optimal.
IV. 2 Proses Ekstraksi Ciri
Proses ekstraksi ciri ini dilakukan
tanpa mereduksi citra untuk
mempertahankan detail-detail pada setiap
citra sehingga citra yang awalnya
berukuran 50x50 piksel diubah menjadi
matriks berdimensi 50x50 dimana setiap
kotak mewakili 1 piksel citra. Data
tersebut kemudian ditransformasi menjadi
matriks 2500x1.
Data inilah yang akan menjadi
input dari jaringan syaraf tiruan Radial
Basis Function, agar sistem dapat
mengenali morfologi normal dan
abnormal sel darah merah (eritrosit) dari
segi bentuk.
IV.3 Proses Identifikasi
Jaringan syaraf tiruan Radial Basis
Function digunakan untuk
mengidentifikasi setiap citra yang
diinputkan pada sistem. Pada proses ini
dilakukan proses pelatihan jaringan,
pengujian jaringan, dan pengukuran
performansi sistem. Citra latih yang
diambil adalah citra sel darah merah
(eritrosit), yang kemudian dibuatkan pola
untuk tiap bentuk normal dan abnormal.
Pola tersebut berasal dari hasil ekstraksi
ciri citra latih yang menjadi pola data
referensi bagi sistem. Citra latih terdiri
atas 105 citra sel darah merah (eritrosit)
yaitu 15 citra normal dan 90 citra
abnormal dengan 6 (enam) bentuk. Citra
uji terdiri atas 70 citra sel darah merah
(eritrosit) yaitu 10 citra normal dan 60
citra abnormal dengan 6 (enam) bentuk.
IV.3.1 Pelatihan Jaringan Syaraf
Tiruan
Proses pelatihan dengan jaringan
syaraf tiruan pada penelitian ini
menggunakan metode Radial Basis
Function (RBF) dengan syntax pada
pemrograman Matlab 7.7 sebagai berikut :
[net,tr] =
newrb(P,T,GOAL,SPREAD,MN,DF)
Dimana :
P = input latih
T = target latih
GOAL = mean squared error (MSE) goal
SPREAD = spread of RBF
MN = jumlah maksimum neuron / epoch
DF = penambahan jumlah neuron yang
ditampilkan.
IV.3.2 Pengenalan Jaringan Syaraf
Tiruan
Setelah sistem dilatihkan, maka
jaringan siap untuk diujikan terhadap citra
uji yang berupa citra normal dan abnormal
sel darah merah (eritrosit) . Tahap
pengujian sistem dilakukan terhadap citra
uji yang telah melalui proses awal dan
ekstraksi ciri seperti yang telah dianalisis
sebelumnya. Proses pengujian terhadap
175 sampel citra normal dan abnormal sel
darah merah (eritrosit) yang terdiri dari
105 citra latih (validasi) dan 70 citra uji.
IV.4. Keakuratan Sistem
Keakuratan jaringan syaraf tiruan
dalam mengenali morfologi normal dan
abnormal sel darah merah (eritrosit) yang
telah dilatihkan menghasilkan persentasi
yang cukup besar yaitu 88,57%.
IV.5 Kecepatan Sistem
Pengujian kecepatan sistem dalam
menentukan penentuan morfologi normal
dan abnormal sel darah merah (eritrosit),
dilakukan dengan menghitung waktu yang
dibutuhkan oleh sistem untuk dapat
mengenali citra yang diinputkan padanya.
Tabel 1 Hasil pengujian Kecepatan Sistem
Proses Waktu (detik)
Pengambilan
0,089237
Gambar
Grayscale 0,001116
Deteksi Tepi 0,025209
Ekstraksi Ciri 0,000008
Pelatihan (CPU
0,713737114
time/105 data)
Pengenalan 0,019780
Total Waktu 0,849087114
Dari tabel 1 diperoleh total waktu
yang diperlukan oleh sistem untuk dapat
menentukan morfologi normal dan
abnormal sel darah merah (eritrosit)
adalah 0,849087114 detik.
V. PENUTUP
Kesimpulan
Dari penelitian morfologi sel darah
merah (eritrosit) berbasis pengolahan citra
dan jaringan syaraf tiruan Radial Basis
Fuction maka dapat disimpulkan bahwa :
1. Hasil keakuratan untuk citra uji
diperoleh sekitar 70 – 100 %, dengan
nilai rata-rata keakuratan 88,57 %.
2. Hasil peningkatan akurasi untuk citra
yang gagal dikenali menghasilkan
keakuratan sebesar 100%.
3. Waktu yang dibutuhkan oleh sistem
mulai dari proses pengambilan
gambar hingga pengenalan adalah
0,849087114 detik.
4. Tidak maksimalnya tingkat
keakuratan sistem disebabkan karena
adanya kemiripan antara 1 bentuk sel
darah merah dengan sel darah merah
lainnya dan rotasi yang sangat besar
sehingga mempengaruhi hasil
identifikasi sistem.
DAFTAR PUSTAKA
[1] Warni, E. (2007) Penentuan
Morfologi Sel Darah Merah
(Eritrosit) berbasis Pengolahan
Citra dan Jaringan Syaraf Tiruan.
Thesis, Universitas Hasanuddin
[2] Siregar, H., Yusuf, I. & Gani, A.
(1995) Fisiologi Sel dan Cairan
Tubuh. Universitas Hasanuddin
[3] Patologi Klinik. (2002) Diktat
Hematologi. Universitas
Hasanuddin
[4] Munir, R. (2004) Pengolahan
Citra Digital. Bandung:
Informatika
[5] Gonzalez, R. C. & Woods, R. E.
(1992) Digital Image Processing.
New Jersey: Prentice Hall
[6] Libor Masek. (2003) Recognition
of Human Iris Patterns for
Biometric Identification. The
University of Western Australia
[7] Nixon, M. S & Aguado, A. S.
(2002) Feature Extracton and
Image Processing. London:
Newnes
[8] Siang, Jong Jek. (2005) Jaringan
Syaraf Tiruan dan
Pemrogramannya Menggunakan
Matlab. Yogyakarta: Penerbit
Andi
[9] http://agus_diantara.blogspot.com/
2011_03_01_archive.html
[Diakses 4 Februari 2012]
[10] Hermawan, A. (2006) Jaringan
Syaraf Tiruan Teori dan Aplikasi.
Yogyakarta: Penerbit Andi
[11] http://imudjdnk.files.wordpress
.com/2010/10/rbf.jpg [Diakses 4
Februari 2012]
Erny Apriany Sylwana.
Lahir pada 27 April
1990 di Ujung Pandang,
Sulawesi Selatan,
Indonesia. Anak kedua
dari pasangan Ir.
Rasulong dan Hj.
Nurjannah. Pada tahun
2008-sekarang menjalankan studi S1 di
Jurusan Elektro Fakultas Teknik
Universitas Hasanuddin Makassar,
subjurusan Teknik Telekomunikasi dan
Informasi. Sejak Maret 2010 telah
menjadi asisten di Laboratorium Listrik
Dasar.
Quatrine Wahyuni.
Lahir pada 6 Maret 1992
di Lyon, Perancis. Anak
keempat dari pasangan
Dr. Ir. M. Kasim Pateha,
DEA dan Dra. Hj.
Nursiah Hasyim, CES.,
Apt. Pada tahun 2008-
sekarang menjalankan studi S1 di Jurusan
Elektro Fakultas Teknik Universitas
Hasanuddin Makassar, subjurusan Teknik
Telekomunikasi dan Informasi. Sejak
September 2010 telah menjadi asisten di
Laboratorium Telekomunikasi, Radio dan
Microwave.