sistem untuk mengklasifikasikan bentuk sel darah merah normal

SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH
MERAH NORMAL DAN ABNORMAL DENGAN METODE
SELF-ORGANIZING MAP (SOM)
SKRIPSI
FANNY SARI WULANDARI
091402104
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH
MERAH NORMAL DAN ABNORMAL DENGAN METODE
SELF-ORGANIZING MAP (SOM)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat tugas akhir
FANNY SARI WULANDARI
091402104
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
iii
PERSETUJUAN
Kategori
: SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK
SEL DARAH MERAH NORMAL DAN ABNORMAL
DENGAN METODE SELF-ORGANIZING MAP (SOM)
: SKRIPSI
Nama
: FANNY SARI WULANDARI
Nomor Induk Mahasiswa
: 091402104
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Judul
Diluluskan di
Medan, 2014
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Muhammad Anggia Muchtar, ST., MM.IT Romi Fadillah Rahmat, B.Comp.Sc, M.Sc
NIP 19800110 200801 1 010
NIP 19860303 201012 1 004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
NIP 19800110 200801 1 010
Universitas Sumatera Utara
iv
PERNYATAAN
SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH
NORMAL DAN ABNORMAL DENGAN METODE
SELF-ORGANIZING MAP (SOM)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkab sumbernya.
Medan, Oktober 2014
Fanny Sari Wulandari
091402104
Universitas Sumatera Utara
v
PENGHARGAAN
Puji syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat, nikmat
dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk
memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi
Universitas Sumatera Utara. Penulis menyadari bahwa bantuan dan bimbingan dari berbagai
pihak sangatlah penting untuk menyelesaikan skripsi ini. Maka dalam kesempatan ini penulis
ingin mengucapkan terimakasih sebesar-besarnya kepada:
1. Papa dan mama selaku kedua orangtua penulis, Harianto dan Siti Amnah Siregar yang
sudah memberikan do’a, dukungan, semangat serta kasih sayangnya sepenuh hati.
Penulis berharap dapat memberikan yang terbaik dan membuat kedua orangtua
penulis bangga.
2. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara, seluruh dosen serta seluruh pegawai Program Studi S1
Teknologi Informasi.
3. Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, Bapak M. Anggia
Muchtar, ST., MM.IT dan Bapak M. Fadly Syahputra, B.Sc., M.Sc.IT.
4. Dosen Pembimbing Satu dan Dua, Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc
dan Bapak M. Anggia Muchtar, S.T., MM.IT yang telah banyak menyediakan waktu
dan membagi ilmu untuk membimbing dan mengarahkan penulis dalam
menyelesaikan skripsi ini.
5. Dosen Penguji Satu dan Dua, Bapak M. Fadly Syahputra, B.Sc., M.Sc.IT dan Bapak
Dani Gunawan, ST.MT yang telah membantu mengarahkan penulis dalam menyusun
skrispsi ini dengan sangat baik.
6. dr. Alya Amalia Fitrie, M.Kes selaku dosen histologi Fakultas Kedoteran Universitas
Sumatera Utara dan dr. Dewi Indah Sari Siregar, MKed.(ClinPath), SpPK selaku
dokter Patologi Klinik yang telah membantu penulis dalam memperoleh data sel
darah merah.
7. Kakak-kakak dan abang penulis Fibriyanti Sari Dewi, Fushanty Ica Amhar, Fushanny
Ice Amhar, Syahbana Sari Muda yang telah memberi dukungan, semangat dan kasih
sayang yang tak terhingga, yang terkasih M. Fauzan yang telah sabar dan memberikan
semangat kepada penulis dalam menyelesaikan skripsi ini, serta orangtua asuh, H.
Sugiono Asmar, SP. QIA yang telah memberikan do’a, dukungan dan semangat
kepada penulis.
8. Kepada sahabat Melinda, Raisha, Winda, Enggar, Ade M, Rima, Uti, Yunisya, Yana,
Hani, Dijah, Juju, Ade T, Ibnu, Dullah, Reza, Fadli Rizky, Fadli Rachman, Memed,
Ammar, Ridzuan, Dezi, Yogi serta teman-teman Teknologi Informasi lainnya yang
tidak dapat penulis sebutkan satu persatu.
. Penulis sadar bahwa skripsi ini belum sempurna. Dengan kerendahan hati penulis
mengharapkan kritik dan saran yang membangun. Semoga Allah selalu memberikan yang
terbaik serta berkah dan rahmat-Nya untuk kita semua. Aamin Yaa Rabbalalamin
Universitas Sumatera Utara
vi
ABSTRAK
Darah merupakan komponen esensial makhluk hidup yang berada dalam ruang vaskuler.
Untuk mengidentifikasikan suatu penyakit dapat diuji melalui tes darah, salah satunya dapat
dilihat dari bentuk sel darah merah. Morfologi normal dan abnormal dari sel darah merah
seorang pasien sangat membantu para dokter dalam mendeteksi suatu penyakit. Dengan
kemajuan teknologi pengolahan citra digital dapat digunakan untuk mengiidentifikasi sel
darah normal dan abnormal seorang pasien. Penelitian ini menggunakan metode selforganizing map untuk mengklasifikasikan jenis sel darah merah normal dan abnormal dalam
sebuah citra digital. Penggunaan metode jaringan syaraf tiruan self-organizing map dapat
mengklasifikasikan bentuk sel darah merah normal dan abnormal pada citra masukan dengan
akurasi pengujian 93,78%.
Kata kunci: self-organizing map, sel darah merah, pengolahan citra digital
Universitas Sumatera Utara
vii
APPLICATION FOR CLASSIFICATION SHAPE OF NORMAL AND
ABNORMAL RED BLOOD CELL USING
SELF-ORGANIZING MAP (SOM)
ABSTRACT
Blood is an essential component in the vascular space of living creature. The identification
of a disease can be tested through a blood test. By seeing shape of the red blood cell is one
of the methods to identify a disease. Normal and abnormal morphology of red blood cell of
a patient really help doctors to diagnose a disease. Advances in technology of digital image
processing give many advantages to identification normal and abnormal red blood cell of a
patient. This research use Self-organizing map to classify between normal and abnormal red
blood cell of a digital image of red blood cell. The use of neural network of self-organizing
map method can classify normal and abnormal red blood cell from an image with accuracy
of testing 93,78 %.
Keyword: self-organizing map, red blood cell, digital image proccesing
Universitas Sumatera Utara
viii
DAFTAR ISI
Halaman
PERSETUJUAN
iii
PERNYATAAN
iv
PENGHARGAAN
v
ABSTRAK
vi
ABSTRACT
vii
DAFTAR ISI
viii
DAFTAR GAMBAR
x
DAFTAR TABEL
xi
BAB 1 PENDAHULUAN
1
1.1
Latar Belakang
1
1.2
Rumusan Masalah
2
1.3
Batasan Masalah
3
1.4
Tujuan Penelitian
3
1.5
Manfaat Penelitian
3
1.6
Metodologi Penelitian
4
1.7
Studi Literatur
4
BAB 2 LANDASAN TEORI
2.1
Sel Darah Merah
6
6
2.1.1
Sel darah merah normal.
6
2.1.2
Sel darah merah abnormal
6
2.1.3
Perhitungan darah
7
2.1.4
Perhitungan sel
7
Pengolahan Citra Digital
8
2.2
2.2.1
Pengertian citra
8
2.2.2
Penerapan pengolahan citra digital
8
2.2.3
Aras Keabuan (grayscale)
8
2.2.4
Pengambangan (Thresholding)
9
2.2.5
Erosi
9
2.2.6
Dilasi
9
Universitas Sumatera Utara
ix
2.2.7
Momen Invariant
10
2.2.8
Roundness (R)
11
2.3
Unsupervised learning
11
2.4
Self-Organizing Map
12
2.5
Penelitian Terdahulu
13
BAB 3 ANALISIS DAN PERANCANGAN
15
3.1 Data Yang Digunakan
15
3.2
16
Analisis Sistem
3.2.1
3.3
Blok diagram sistem
Perancangan sistem
16
21
3.3.1
Diagram use case
21
3.3.2
Use case spesifikasi
22
3.3.3
Diagram aktivasi
24
3.4
Perancangan Tampilan Antarmuka
25
3.4.1
Rancangan halaman awal
26
3.4.2
Rancangan halaman utama
27
3.4.3
Tampilan halaman tambah data latih
28
BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1
Implementasi Sistem
30
30
4.1.1
Perangkat keras
30
4.1.2
Perangkat lunak
30
4.2
Pengujian Kinerja Sistem
31
4.3
Pelatihan
33
4.4
Pengujian Sistem
46
BAB 5 KESIMPULAN DAN SARAN
55
5.1
Kesimpulan
55
5.2
Saran
55
DAFTAR PUSTAKA
57
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Gambar 2.1 Sel darah merah normal
Gambar 2.2 Jenis sel darah merah abnormal
Gambar 2.3 Arsitektur jaringan syaraf kohonen
Gambar 3.1 Sel darah merah normal dan abnormal
Gambar 3.2 Diagram blok sistem identifikasi sel darah merah normal
dan abnormal
Gambar 3.3 Proses citra grayscale
Gambar 3.4 Proses thresholding citra sel darah merah
Gambar 3.5 Proses erosi citra sel darah merah
Gambar 3.6 Proses dilasi citra sel darah merah
Gambar 3.7 Ekstraksi ciri menggunakan metode momen invariant dan
roundness
Gambar 3.8 Flowchart SOM
Gambar 3.9 Use case diagram sistem
Gambar 3.10 Diagram aktivasi proses pengenalan citra sel darah merah
Gambar 3.11 Diagram aktivasi proses latih jaringan
Gambar 3.12 Rancangan antarmuka sistem pengenalan sel darah merah
Gambar 3.13 Tampilan halaman utama sistem
Gambar 3.14 Tampilan halaman tambah data latih
Gambar 4.1 Halaman awal
Gambar 4.2 Halaman pengenalan
Gambar 4.3 Tampilan sel abnormal
Gambar 4.4 Halaman tambah data latih
Gambar 4.5 Citra uji 1
Gambar 4.6 Hasil citra uji ke-2
Gambar 4.7 Hasil citra uji ke-3
Gambar 4.8 Hasil citra uji ke-4
Gambar 4.9 Hasil citra uji ke-5
Halaman
6
7
13
15
16
17
17
18
18
19
20
22
24
25
25
26
28
31
32
32
33
47
48
50
51
52
Universitas Sumatera Utara
xi
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu
Tabel 3.1 Usecase spesifikasi proses pengenalan citra
Tabel 3.2 Usecase spesifikasi proses tambah data latih
Tabel 4.1 Parameter pelatihan identifikasi sel darah merah
Tabel 4.2 Data Latih atau data acuan
Tabel 4.3 Hasil uji pada gambar 4.5
Tabel 4.4 Hasil uji pada gambar 4.6
Tabel 4.5 Hasil uji pada gambar 4.7
Tabel 4.6 Hasil uji pada gambar 4.8
Tabel 4.7 Hasil uji pada gambar 4.9
Tabel 4.8 Persentase tingkat keakuratan pada gambar sel darah
merah
Halaman
14
22
23
33
34
47
48
50
52
53
53
Universitas Sumatera Utara