1 BAB I PENDAHULUAN I.1 Latar Belakang Jumlah dan
advertisement
BAB I PENDAHULUAN I.1 Latar Belakang Jumlah dan komposisi jenis sel darah putih dalam darah merupakan informasi penting yang dibutuhkan dokter untuk diagnosis penyakit pasien. Dalam dunia kedokteran saat ini, para dokter dan ahli darah menggunakan dua tipe penghitungan jumlah sel darah putih yaitu Complete Blood Count (CBC) dan Differential Blood Count (DBC). CBC adalah tipe penghitungan jumlah sel darah putih secara keseluruhan. Saat ini, CBC sudah dapat dilakukan secara otomatis dengan menggunakan instrumen yang disebut cytometer. Sedangkan DBC adalah tipe penghitungan jumlah sel darah putih berdasarkan jenisnya, yaitu neutrofil, basofil, eusinofil, monosit dan limfosit [1]. DBC merupakan metode standar dalam diagnosis penyakit di Laboratorium Hematologi. DBC dilakukan oleh ahli darah bertujuan untuk mengetahui persentase masing-masing jenis sel darah putih dalam darah yang memberikan informasi tentang jenis penyakit yang diderita pasien. Sebagai contoh penyakit virus, dan kanker ditandai dengan persentase monosit yang tinggi, penyakit leukimia ditandai dengan persentase limfosit yang tinggi, penyakit parasitik, plebitis, dan emfisema teridentifikasi dari persentase eusinofil yang tinggi [2]. Mekanisme DBC saat ini masih dilakukan secara manual oleh ahli darah. Mekanisme manual ini hanya bisa dilakukan oleh ahli darah yang jumlahnya terbatas, sehingga akan sangat tidak efektif terutama ketika permintaan DBC tinggi. Selain tidak efektif, mekanisme manual ini akan sangat melelahkan ahli darah, sehingga dikhawatirkan akurasi pengukuran DBC akan berkurang. Hasil DBC yang tidak akurat akan berpengaruh pada ketepatan diagnosis dokter terhadap penyakit pasien. Teknik pengolahan citra memiliki kontribusi penting dalam upaya rancang bangun perangkat lunak yang mampu melakukan DBC secara otomatis. Melalui perangkat lunak ini, maka para ahli darah tidak perlu menghabiskan waktunya berjam-jam di depan mikroskop atau komputer untuk melakukan DBC secara 1 2 manual. Dengan demikian, penggunaan perangkat lunak ini diharapkan akan meningkatkan produktivitas kerja ahli darah. Secara umum, algoritma pengolahan citra yang dipakai untuk rancang bangun perangkat lunak DBC secara otomatis adalah segmentasi citra sel darah putih dari citra darah, ekstraksi citra sel darah putih, pengenalan, dan penghitungan jumlah. Segmentasi adalah tahap kunci yang menentukan keberhasilan tahap ekstraksi dan pengenalan. Hasil segmentasi yang berupa citra biner kemudian diberikan label. Pelabelan ini bertujuan untuk membedakan antara citra satu dan yang lainnya untuk kemudian dilakukan ekstraksi. Proses ekstraksi menghasilkan citra sel darah putih yang kemudian dipotong dan diidentifikasi jenisnya, dan dihitung jumlahnya. Penelitian tentang rancang bangun sistem DBC secara otomatis pernah dilakukan oleh Goclu Ongun dkk pada tahun 2001 [1]. Metode yang digunakan adalah segmentasi, ekstraksi fitur citra dan klasifikasi. Penelitian tersebut menunjukkan bahwa tahap segmentasi dan ekstraksi citra sel darah putih sangat menentukan keberhasilan sistem dalam mengenali jenis sel darah putih. Oleh karena itu, penelitian tugas akhir ini akan fokus membahas metode yang tepat untuk melakukan segmentasi secara akurat, yaitu dengan menggunakan teknik pengambangan (thresholding), dan dilanjutkan dengan ekstraksi citra sel darah putih dari sampel citra sel darah. Hasil akhir penelitian adalah citra sel darah putih yang siap untuk diklasifikasikan berdasarkan jenisnya. I.2 Perumusan Masalah Perumusan masalah dalam penelitian tugas akhir ini adalah : 1. Bagaimana mendapatkan fitur citra yang membedakan karakteristik citra sel darah putih terhadap citra sel darah merah dan plasma darah dalam sampel citra darah ? 2. Bagaimana melakukan pemisahan antara citra sel darah putih dan citra komponen darah yang lainnya dalam sampel citra darah ? 3. Bagaimana melakukan proses pelabelan untuk memisahkan citra sel darah putih hasil segmentasi, dengan citra lainnya ? 3 4. Bagaimana mendapatkan algoritma untuk ekstraksi citra sel darah putih dari sampel citra sel darah ? 5. Bagaimana membangun perangkat lunak yang mampu melakukan ekstraksi citra sel darah putih dari citra sel darah ? I.3 Tujuan Tujuan penelitian tugas akhir ini adalah rancang bangun perangkat lunak untuk ekstraksi citra sel darah putih dari sampel citra sel darah. Untuk memfokuskan bahasan penelitian, maka diberikan batasan masalah sebagai berikut : 1. Rancang bangun perangkat lunak dilakukan dengan algoritma pemrograman C++ menggunakan pustaka openCV 2.4.5 yang mendukung proses pengolahan citra digital. 2. Penelitian tidak mencakup tahap akuisisi data citra mikroskop digital. 3. Sampel citra darah yang digunakan dalam perancangan dan pengujian merupakan citra dari sampel darah manusia hasil digitalisasi mikroskop digital milik Miconos Transdata Nusantara. 4. Proses pengambilan citra pada sampel sel darah oleh mikroskop digital dilakukan pada kondisi pencahayaan yang tidak terkontrol. I.4 Manfaat Manfaat dari penelitian tugas akhir ini adalah : 1. Bagi penulis, penelitian tugas akhir ini bermanfaat dalam pengembangan wawasan keilmuan dan menambah pengetahuan tentang pengolahan citra digital dan implementasinya dalam dunia medis. 2. Bagi pihak peneliti dan akademisi, penelitian tugas akhir ini dapat dijadikan sebagai referensi dan acuan bagi penelitian selanjutnya untuk penyempurnaan hasil menjadi lebih baik dan bermanfaat bagi dunia medis serta masyarakat. 3. Bagi institusi, hasil penelitian tugas akhir ini dapat dijadikan sebagai referensi untuk memperkaya khazanah keilmuan di Jurusan Teknik Fisika Universitas Gadjah Mada.