BAB 3 PERUMUSAN OBJEK RANCANGAN 3.1 Analisis Masalah

BAB 3
PERUMUSAN OBJEK RANCANGAN
3.1
Analisis Masalah dan Kebutuhan
Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi
yang akan kami buat.
3.1.1 Analisis Masalah
Untuk mengetahui apakah seorang pasien menderita malaria, caranya
adalah dengan melakukan pengamatan langsung kepada sel darah merah pasien
dengan menggunakan alat bantu mikroskop. Cara ini dikatakan akurat karena
ahli medis dapat melihat jelas malaria apa yang diderita pasien, dengan
mengamati satu per satu sel darah merah pasien. Namun untuk melakukan itu,
seorang ahli medis harus meluangkan waktu yang lama untuk mengamatinya
dikarenakan jumlah sel yang terlihat pada mikroskop banyak sekali pada setiap
satuan sediaan darah. Dalam beberapa kasus, waktu yang lama akan menjadi
masalah untuk para ahli medis karena sudah merasa lelah sehingga konsentrasi
menurun. Jika hal tersebut dibiarkan maka besar kemungkinan hasil diagnosa
yang tadinya akurat menjadi tidak akurat lagi.
40
41
3.1.2 Analisis Kebutuhan
Melihat permasalahan yang sering terjadi seperti di atas, maka
diperlukan alat (aplikasi) yang dapat mendiagnosa malaria dengan mengamati
gambar mikroskopis sediaan darah. Diharapkan aplikasi ini dapat membantu
ahli medis dalam mendiagnosa malaria dengan cepat dan akurat. Aplikasi ini
bekerja dengan mengolah data gambar mikroskopis sediaan darah yang sudah
diperoleh, dengan menggunakan metode-metode computer vision dalam library
OpenCV.
3.2
Metode Aplikasi
Sistem aplikasi yang kami rancang adalah sebuah aplikasi yang dapat
mendeteksi malaria dari data gambar sampel darah dengan menggunakan metodemetode dalam computer vision. Inti pendeteksian malaria pada aplikasi ini adalah
dengan mendeteksi adanya stadium trofozoit muda (ring-form) dan gametosit pada
gambar mikroskopis sediaan darah tipis.
Dalam perancangan aplikasi ini proses yang pertama kali dilakukan adalah
image enhancement. Kemudian terdapat dua proses yang berjalan secara paralel,
yaitu parasite detection dan red blood cell detection. Pertama, dalam proses parasite
detection, akan dilakukan thresholding untuk mengidentifikasi adanya parasit dalam
gambar sediaan darah. Kedua, dalam proses red blood cell detection, akan dilakukan
thresholding untuk mengidentifikasi sel darah merah normal dan terinfeksi. Masingmasing nilai threshold dari kedua proses tersebut adalah berbeda. Nilai threshold
akan diperoleh secara otomatis berdasarkan nilai histogram masing-masing data
42
gambar. Dalam proses red blood cell detection, setelah melakukan thresholding akan
dilakukan beberapa metode morphology untuk menutupi lubang yang muncul pada
sel darah merah sebelum melakukan segmentasi. Kemudian dilanjutkan dengan
metode watershed segmentation yang nantinya digunakan untuk segmentasi sel darah
merah dan objek lainnya dengan background gambar.
Load Image
Image Enhancement
Thresholding for
Identify Erythrocytes
Thresholding for
Identify Parasite
Filling Holes on
Erythrocytes
Erythrocytes
Segmentation
Malaria, Parasites,
Normal Erythrocytes
Detection
Gambar 3.1: Diagram Proses Pendeteksian Malaria Gambar Sampel Darah
Keseluruhan proses pendeteksian malaria dapat digambarkan seperti diagram
di atas. Tahap akhir dari proses pendeteksian malaria ini adalah menampilkan hasil
pendeteksian. Hasil pendeteksian malaria terdiri dari: apakah terdapat infeksi malaria
43
dari data gambar sampel darah, berapa jumlah parasit yang terdapat pada data
gambar sampel darah, dan berapa jumlah sel darah yang normal.
Berikut adalah penjelasan dari metode-metode yang akan dilakukan dalam
proses pendeteksian malaria pada aplikasi ini.
3.2.1 Image Enhancement
Pada proses image enhancement yang dilakukan adalah melakukan
smoothing / blurring dengan metode median filter. Tujuan dilakukan
blurring adalah untuk menghilangkan noise yang dapat menggangu
proses selanjutnya. Setelah menghilangkan noise tersebut, gambar
dirubah menjadi pewarnaan grayscale. Tujuan perubahan sistem
perwarnaan tersebut adalah agar gambar dapat dirubah menjadi binary
image ketika memasuki proses thresholding.
Gambar 3.2: Proses Blurring dengan Metode Median Filter
44
Gambar 3.3: Proses Konversi Menjadi Grayscale
3.2.2 Thresholding for Identify Parasites
Thresholding merupakan metode yang cukup mudah dalam
menentukan objek pada gambar. Untuk dapat mengetahui nilai threshold
dalam mengidentifikasi parasit, kita dapat mengambil nilai tersebut dari
histogram gambar yang akan diproses, dimana nilai threshold diambil
dari nilai terendah yang selisih jumlah antara nilai pixel dengan nilai
pixel sebelumnya lebih besar dari 65.
Gambar 3.4: Thresholding untuk Identifikasi Parasit
3.2.3 Thresholding for Identify Erythrocytes
Sama seperti proses thresholding dalam pendeteksian parasit,
thresholding juga digunakan untuk mengidentifikasi sel darah merah.
Nilai threshold untuk mengindentifikasikan sel darah merah juga dilihat
dari histogram gamabr yang akan diproses. Tetapi nilai threshold untuk
mengidentifikasi sel darah merah adalah berbeda dengan nilai threshold
untuk mengidentifikasi parasit.
45
Gambar 3.5: Thresholding untuk Identifikasi Sel Darah Merah
3.2.4 Filling Holes on Erythrocytes
Pada saat melakukan thresholding untuk mengidentifikasikan sel
darah merah, tidak jarang muncul lubang di tengah sel darah merah. Hal
tersebut diakibatkan karena sel darah merah memang memiliki bentuk
yang lebih pipih pada pusat sel. Untuk menutupi lubang tersebut, kami
menggunakan metode “findContours” yang terdapat pada OpenCV.
Gambar 3.6: Mengisi Lubang dalam Sel Darah Merah
46
3.2.5 Erythrocytes Segmentation
Setelah mengisi lubang yang muncul pada sel darah merah,
selanjutnya yang dilakukan adalah segmentasi sel darah merah yang
saling menyambung. Metode yang digunakan untuk proses segmentasi
ini adalah watershed segmentation.
Gambar 3.7: Hasil Watershed Segmentation
3.2.6 Malaria, Parasites, and Normal Erythrocytes Detection
Setelah men-segmentasi sel darah merah, selanjutnya kita kembali
menyatukan hasil tersebut dengan gambar aslinya, beserta hasil dari
identifikasi parasit. Dari hasil penyatuan kembali, masing-masing objek
memiliki label tersendiri, dimana sel darah merah yang terinfeksi malaria
akan dilingkari garis merah, dan sel darah merah yang normal dilingkari
garis hitam.
47
Gambar 3.8: Penandaan Parasit dan Sel Darah Merah Normal
Tahap akhir dari proses pendeteksian malaria ini adalah
menampilkan hasil pendeteksian. Hasil pendeteksian malaria terdiri dari:
apakah terdapat infeksi malaria dari data gambar sampel darah, berapa
jumlah parasit yang terdapat pada data gambar sampel darah, dan berapa
jumlah sel darah yang normal.
Jika dalam proses pendeteksian parasit ditemukan satu saja parasit,
maka dalam gambar sampel darah tersebut terdapat infeksi malaria.
Dapat dituliskan seperti berikut, jika jumlah parasit tidak sama dengan
nol maka terdapat infeksi malaria pada data gambar sampel darah
tersebut. Jika jumlah parasit sama dengan nol maka tidak terdapat infeksi
malaria pada data gambar tersebut.
Selain itu, pada tahap akhir pendeteksian malaria akan ditampilkan
jumlah parasit dan sel darah merah normal yang terdeteksi pada gambar
sampel darah yang diuji. Jumlah parasit dapat diketahui langsung ketika
dalam proses pendeteksian parasit. Sementara untuk jumlah sel darah
merah normal akan dihitung dari pengurangan total contour (objek) yang
terdeteksi dengan jumlah sel darah merah yang terinfeksi oleh parasit.
48
3.3 Contoh Perancangan Aplikasi
Gambar 3.9 : Contoh Perancangan Layar Aplikasi
Dari gambar diatas terdapat tombol ‘Load Image’, ‘Malaria Detection’, ‘Show
Original’, dan ‘Show Processed’. Masing-masing tombol tersebut memiliki
fungsinya sendiri. Tombol ‘Load Image’ bertujuan untuk me-load data gambar yang
49
akan kita proses nantinya. Setelah image sudah di-load, maka image tersebut akan
muncul pada layar image. Kemudian tombol ‘Malaria Detection’ bertujuan untuk
memproses image tersebut, dengan kata lain menjalankan keseluruhan metode
computer vision dalam proses pendeteksian malaria. Setelah proses pendeteksian
malaria dilakukan, maka layar image akan menampilkan gambar hasil pemrosesan
yang nantinya akan menunjukan perbedaan pada parasit dan sel darah merah. Selain
menampilkan gambar hasil pemrosesan, informasi hasil pendeteksian malaria juga
akan ditampilkan pada layar utama.