(Eritrosit) Berbasis Pengolahan Citra

Analisa Metode Radial Basis Function Jaringan Saraf Tiruan
untuk Penentuan Morfologi Sel Darah Merah (Eritrosit)
Berbasis Pengolahan Citra
Zulkifli Tahir, Elly Warni, Indrabayu, Ansar Suyuti
Laboratorium Kecerdasan Buatan
Jurusan Teknik Elektro, Universitas Hasanuddin, Indonesia
Abstrak—Sekarang ini tes hematologi atau tes darah
merupakan suatu pemeriksaan yang penting untuk
mendiagnosa kondisi medis pasien. Tes ini meliputi
pemeriksaan jumlah, bentuk dan morfologi sel darah yang
hingga saat ini umumnya masih dikerjakan secara manual.
Pemeriksaan dengan cara manual ini sudah pasti memiliki
tingkat ketelitian dan keakuratan yang rendah karena
dilakukan oleh para dokter atau petugas laboratorium
kesehatan yang secara manusiawi memiliki kemungkinan
tingkat perbedaan identifikasi. Masalah kekurangan pada
pemeriksaan hematologi secara manual ini dapat diatasi
dengan menciptakan suatu sistem cerdas otomatis dengan
bantuan komputer menggunakan jaringan syaraf tiruan.
Pada penelitian ini dilakukan analisa terhadap jaringan
syaraf tiruan menggunakan metode Radial Basis Function
untuk menentukan morfologi sel darah merah (eritrosit).
Data citra eritrosit normal dan abnormal berasal dari
Lembaga Penelitian ABX dari Montpeller Perancis
berjumlah 175 sampel. Citra eritrosit tersebut akan diolah
melalui proses akuisisi citra, grayscale, deteksi tepi dan
ekstraksi ciri untuk menghasilkan input bagi jaringan
syaraf tiruan Radial Basis Function. Penentuan morfologi
eritrosit berbasis pengolahan citra dan jaringan syaraf
tiruan Radial Basis Function ini memiliki akurasi yang baik
dan memuaskan serta memiliki total waktu pemerosesan
sistem yang cepat.
Kata Kunci—morfologi eritrosit; jaringan syaraf tiruan;
radial basis function
I. PENDAHULUAN
Tes hematologi atau tes darah merupakan suatu
pemeriksaan untuk mengidentifikasi masalah dengan
menggunakan berbagai tes darah diagnostik laboratorium
klinis untuk mendiagnosa kondisi medis. Beberapa
parameter yang diperiksa pada tes hematologi adalah
jumlah sel darah dan morfologi normal dan abnormal sel
darah. Walaupun pemeriksaan parameter hematologi saat
ini telah mengenal suatu alat hitung sel darah otomatik
yang lebih dikenal dengan nama Blood Cell Counter atau
Automatic Cell Counter, namun untuk pemeriksaan
morfologi sel darah masih dikerjakan secara manual. Hal
ini menyebabkan kurangnya ketelitian serta keakuratan
yang dilakukan oleh para dokter dan petugas laboratorium
kesehatan dikarenakan kondisi fisik, pengetahuan,
ketelitian dan konsentrasi dokter dan petugas
laboratorium
kesehatan
dapat
mempengaruhi
pengidentifikasian
penyakit
sehingga
adanya
kemungkinan perbedaan identifikasi antara dokter yang
satu dan lainnya. Selain itu, jumlah dan jenis kelainan
darah juga dapat menyebabkan banyaknya waktu dan
tenaga yang diperlukan dalam proses pengidentifikasian.
Kekurangan pada pemeriksaan hematologi secara
manual dapat diatasi dengan menciptakan suatu sistem
otomatis dengan bantuan komputer. Manusia dengan
segala kecerdasan yang dimilikinya berusaha untuk
mengadopsi bentuk kecerdasannya ke dalam komputer,
maka dikembangkanlah suatu teknologi jaringan syaraf
tiruan yang mengadopsi kemampuan manusia dalam
melakukan keputusan, atau dengan kata lain sistem
tersebut mempunyai kecerdasan buatan (Artificial
Intelligent). Istilah buatan di sini digunakan karena
jaringan
syaraf
ini
diimplementasikan
dengan
menggunakan komputer yang mampu menyelesaikan
sejumlah proses perhitungan selama proses pembelajaran.
Pada penelitian sebelumnya yaitu “Penentuan
Morfologi Sel Darah Merah (Eritrosit) berbasis
Pengolahan Citra dan Jaringan Syaraf Tiruan”[1] dengan
menggunakan metode jaringan syaraf tiruan yang umum
dipakai
yaitu
Backpropagation.
Metode
Backpropagation[1] 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, dimana
menurut teorinya akan menghasilkan nilai keakuratan
yang lebih tinggi dan waktu iterasi yang lebih cepat
dibandingkan dengan Backpropagation. 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. TINJAUAN PUSTAKA
Penelitian ini memiliki tiga teori utama yang
disatukan menjadi satu sistem, yaitu fisiologi darah,
pengolahan citra dan radial basis function. Fisiologi darah
merupakan teori yang mendeskripsikan bentuk, jenis dan
morfologi dari darah. Kemudian pengolahan citra
merupakan teori untuk mengoneksikan sistem nyata
dengan sistem komputer dengan input berupa data citra.
Sedangkan radial basis function merupakan salah satu
metode dari jaringan saraf tiruan sebagai sistem cerdas.
Ketiga teori tersebut akan dijelaskan secara terperinci
pada penjelasan selanjutnya.
Forum Pendidikan Tinggi Teknik Elektro Indonesia (FORTEI) 2012
http://fortei2012.ui.ac.id
Darah merupakan bagian dari cairan ekstrasel yang
berfungsi untuk mengambil O2 dari paru-paru, bahanbahan nutrisi dari saluran cerna, dan mengangkut hormon
dari kelenjar endokrin. Bahan-bahan tersebut diangkut ke
seluruh sel dan jaringan, dimana bahan-bahan tersebut
akan berdifusi dari kapiler ke jaringan interstitial, masuk
ke dalam sel dan selanjutnya akan dipergunakan untuk
semua aktifitas sel. Sehingga dapat disimpulkan bahwa
darah mempunyai tiga peranan penting yaitu : fungsi
transport, fungsi regulasi dan fungsi pertahanan tubuh[2].
Darah terdiri dari tiga jenis unsur sel khusus, eritrosit,
leukosit dan trombosit yang terendam dalam cairan
kompleks plasma, dimana masing-masing sel ini memiliki
fungsi yang saling menunjang dalam melaksanakan kerja
dari darah tersebut.
Darah berwarna merah karena adanya sel-sel darah
merah (eritrosit). Eritrosit berbentuk bulat gepeng yang
kedua permukaannya cekung. Eritrosit tidak memiliki inti
sel dan mengandung hemoglobin. Hemoglobin (Hb)
merupakan protein yang mengandung zat besi. Fungsi
hemoglobin adalah untuk mengikat oksigen dan
karbondioksida dalam darah. Hemoglobin berwarna
merah, karena itu eritrosit berwarna merah.
Eritrosit normal kelihatan bundar dengan diameter
7,5 μm dengan ketebalan tepi 2 μm. Dari samping
Eritrosit kelihatan berbentuk seperti cakram dengan
kedua permukaannya cekung (biconcav disk). Eritrosit
disebut juga discocyte karena bentuknya seperti cakram.
Tengah-tengah cakram tersebut lebih tipis dengan
ketebalan 1 μm. Bentuk biconcav ini menyebabkan
hemoglobin terkumpul lebih banyak di bagian tepi sel.
Oleh sebab itu, bagian tepi eritrosit kelihatan lebih merah
(okisifilik) dari bagian sentralnya. Bagian sentral yang
kelihatan lebih pucat disebut akromia sentral yang luasnya
antara 1/3-1/2 kali diameter. Dalam mengevaluasi
morfologi eritrosit, ada 4 hal yang harus diperlihatkan : 1.
bentuknya (shape), 2. ukurannya (size), 3. warnanya
(staining), dan 4. struktur intraselluler (structure)[3].
Gambar. 1. Morfologi normal sel darah merah (eritrosit)[3].
Kelainan eritrosit biasanya dinyatakan dengan
perubahan ukuran, bentuk, dan warnanya (atau derajat
hemoglobin-nya). Beberapa kelainan tersebut antara lain:
1. Kelainan ukuran eritrosit: microsit dan macrosit.
2. Kelainan bentuk eritrosit: hipokromia dan
hiperkromik.
3. Kelainan warna eritrosit: Ecchinocytes, Elliptocytes,
Poikilocytes, Schistocytes, Sickle cell dan Tear Drop
Cell.
Gambar. 2. Kelainan-kelainan pada morfologi eritrosit.
Kelainan-kelainan eritrosit tersebut akan direkam dan
dianalisa dalam bentuk pengolahan citra. Pengolahan citra
digital merupakan tahap pemrosesan citra menjadi citra
yang lain dengan kualitas yang lebih baik, yaitu
pemrosesan untuk memanipulasi citra yang telah menjadi
gambar lain menggunakan algoritma atau teknik tertentu.
Pada tahap pengolahan citra, proses pengolahan dan
analisis citra yang banyak melibatkan persepsi visual.
Proses ini mempunyai ciri data masukan dan informasi
keluaran yang berbentuk citra. Istilah pengolahan citra
digital secara umum didefinisikan sebagai pemrosesan
citra dua dimensi dengan komputer. dalam definisi yang
lebih luas, pengolahan citra digital juga mencakup semua
data dua dimensi dimana citra digital terdiri dari barisan
bilangan nyata maupun kompleks yang diwakili oleh bitbit tertentu.
Ilmu pengenalan pola (pattern recognition) umumnya
digunakan untuk mengenali suatu objek dengan cara
mengekstraksi informasi penting dalam suatu citra.
Pengenalan pola sering digunakan dalam bidang
kedokteran, sebagai contoh pemimplementasian sistem
untuk mendeteksi diagnosa suatu kelainan dalam tubuh
manusia melalui gambar yang dihasilkan oleh suatu
gambar scanner [4]. Proses pengenalan pola meliputi
akuisisi citra, pembentukan citra grayscale dan deteksi
tepi.
Akuisisi citra adalah tahap awal untuk mendapatkan
citra digital. Tujuan akuisisi citra adalah untuk
menentukan data yang diperlukan dan memilih metode
perekaman citra. Akuisisi citra digital berarti berusaha
mendapatkan citra digital, untuk dijadikan data yang akan
diproses. Tahap akuisisi citra bias berupa tahap
pemotongan gambar (crop) untuk mendapatkan objek
yang akan diproses, resize citra atau mengubah resolusi
gambar sesuai kebutuhan pengontrasan citra.
Citra grayscale adalah citra yang hanya menggunakan
warna pada tingkatan warna abu-abu. Warna abu-abu
adalah satu-satunya warna pada ruang RGB dengan
komponen merah, hijau dan biru mempunyai intensitas
yang sama. Pada citra beraras keabuan hanya perlu
menyatakan nilai intensitas untuk tiap piksel sebagai nilai
tunggal, sedangkan pada citra berwarna perlu tiga nilai
intensitas untuk tiap pikselnya.
Deteksi tepi (edge detection) pada suatu citra adalah
suatu proses yang menghasilkan tepi-tepi dari obyekobyek citra. Suatu titik (x,y) dikatakan sebagai tepi (edge)
dari suatu citra bila titik tersebut mempunyai perbedaan
yang tinggi dengan tetangganya. Metode yang banyak
digunakan untuk proses deteksi tepi adalah metode
Robert, Prewitt, Sobel dan Canny [5]. Pada penelitian ini
metode Canny akan menjadi pilihan.
Deteksi Tepian Canny, merupakan pengambilan garis
tepi yang dilakukan untuk memudahkan perhitungan
parameter-parameter citra nantinya. Tepian citra dapat
didefinisikan sebagai piksel yang mengalami perubahan
tajam pada skala keabuannya. Tepian akan terlihat
sebagai frekuensi tinggi pada spektrum citra, sehingga
dapat diekstrak dengan menggunakan filter tertentu
dengan meredam bagian frekuensi rendah [7].
Proses terakhir pengenalan pola adalah proses
ekstraksi ciri yang merupakan proses mereduksi data
menjadi suatu ukuran dimana setiap kotak berisi piksel
tertentu dengan tetap mempertahankan keaslian informasi
pada data. Selanjutnya didapatkan data yang sesuai dan
akan di pergunakan sebagai data input pada Jaringan
Saraf Tiruan.
Jaringan syaraf tiruan merupakan salah satu
representasi buatan dari otak manusia dengan
menggunakan program komputer yang selalu mencoba
untuk mensimulasikan proses pembelajaran pada otak
manusia tersebut [8]. Pada penelitian sebelumnya yaitu
“Penentuan Morfologi Sel Darah Merah (Eritrosit)
berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan”[1]
peneliti menggunakan metode jaringan syaraf tiruan yang
umum dipakai yaitu propagasi balik (Backpropagation).
Propagasi balik termasuk ke dalam logaritma belajar
supervised (terawasi) karena memberikan pasangan data
masukan dan keluaran sebagai pola pelatihan. Logaritma
propagasi balik ini mampu menangani masalah
pengenalan pola yang kompleks dan melakukan fungsi
pemetaan yang nontrival. JST ini dirancang untuk
beroperasi sebagai jaringan multilayer dan umpan maju
(feedforward).
Pada penelitian ini, metode Radial Basis Function
akan digunakan. Radial Basis Function adalah model
neural network yang mentransformasi input secara
nonlinear dengan menggunakan fungsi aktivasi Gaussian
pada lapisan unit hidden sebelum diproses linear pada
lapisan output.
Berguna atau setidaknya suatu jaringan saraf tiruan
ditentukan dari hasil pelatihannya yang berupa bobot
neuronnya. Radial Basis Function 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 diharapkan
selama proses pembelajaran. Kombinasi antara 2 jenis
metode ini pada jaringan Radial Basis Function
menghasilkan suatu sistem yang handal dalam mengatasi
ketidaklinearan sistem itu sendiri.
III. METODE PENELITIAN
Metode penelitian secara lengkap dapat dilihat pada
gambar dibawah ini:
Gambar. 3. Metode penelitian.
Secara umum, gambar diatas dibagi dalam tiga bagian
sebagai berikut:
1. Studi Literatur. Studi literatur yang dilakukan yaitu
dengan melakukan studi dari buku-buku pustaka yang
bekaitan dengan masalah yang dibahas.
2. Pengambilan Data. Data yang digunakan merupakan
hasil pengambilan sampel citra sel darah merah
(eritrosit) untuk kondisi normal dan abnormal yang
berasal dari lembaga penelitian ABX Montpellier
Perancis.
3. Pengolahan dan Analisis Data. Metode pengenalan
yang terdiri atas dua bagian yaitu tahap pengolahan
citra dan tahap identifikasi menggunakan jaringan
syaraf tiruan Radial Basis Function. Hasil identifikasi
dibandingkan dengan data aktual dan dengan hasil
identifikasi menggunakan metode Backpropagation.
IV. IMPLEMENTASI
Gambar. 4. Arsitektur jaringan syaraf tiruan Radial Basis Function.
Struktur dari jaringan Radial Basis Function yang
digunakan dalam penelitian ini menggunakan 3 (tiga)
lapisan yaitu lapisan masukan (input layer) sebanyak
2500 neuron, lapisan tersembunyi (hidden layer), dan
lapisan keluaran (output layer) sebanyak 1 neuron.
Penentuan jumlah neuron pada lapisan tersembunyi
dilakukan dengan cara mencoba-coba (trial and error),
hingga didapatkan jumlah dengan niai epoch dan waktu
yang seminimal mungkin setelah mencapai nilai error
yang ditentukan.
Gambar. 5. Tampilan GUI Program.
Radial Basis Function memiliki perbedaan yang cukup
signifikan dengan tingkat akurasi pada sistem
Backpropagation yaitu sekitar 10%. Bahkan dengan
menggunakan Radial Basis Function, tingkat akurasi pada
citra uji yang telah dilatihkan dapat mencapai angka
100%, sementara pada Backpropagation hanya mencapai
92,85%. Hal ini dikarenakan kemampuan Radial Basis
Function yang sangat baik untuk memproses data yang
berjumlah besar, terlebih jika data tersebut telah
dilatihkan pada sistem.
Perbedaan yang sangat jelas juga terlihat pada
besarnya waktu yang dibutuhkan oleh Backpropagation
dalam memproses data yaitu sebesar 8,868 detik,
sedangkan pada sistem Radial Basis Function hanya
diperlukan waktu sebesar 0,849087114 detik. Perbedaan
waktu yang cukup besar ini dikarenakan pada penelitian
menggunakan jaringan syaraf tiruan Radial Basis
Function ini seluruh citra latih yang berjumlah 105
disimpan dalam database dan dilatihkan secara sekaligus
sehingga sangat mengefisienkan waktu pemrosesan pada
sistem.
TABLE I
PERBANDINGAN METODE BACK PROPAGATION
DENGAN RADIAL BASIS FUNCTION
Pada fase pembuatan sistem, telah dibuat program
dengan menggunakan perangkat lunak Matlab 7.7., GUI
(Graphical User Interface) program kita tampilkan pada
gambar 5.
Gambar. 6. Tampilan Training Program.
Contoh tampilan training program dengan command
window dan training window untuk goal = 0,00001;
spread =150; dan epoch = 100 diperlihatkan pada
gambar 6.
V. HASIL
Berdasarkan penelitian penulis sebelumnya dengan
judul “Penentuan Morfologi Sel Darah Merah (Eritrosit)
berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan”
yang menggunakan metode Backpropagation [1], maka
diperoleh
tabel
perbandingan
antara
metode
backpropagation dan radial basis function seperti yang
diperlihatkan pada Tabel I.
Dari Tabel I dapat dianalisa bahwa tingkat akurasi
citra uji yang diperoleh pada penelitian menggunakan
Dari kedua parameter diatas, maka dapat dilihat
bahwa penelitian Radial Basis Function telah
menunjukkan performa yang lebih baik, ditinjau dari segi
akurasi dan waktu pemrosesan data, dibandingkan dengan
sistem Backpropagation.
V. KESIMPULAN
Dari penelitian ini dapat disimpulkan bahwa ditinjau
dari dari segi tingkat akurasi dan waktu pemrosesan, maka
jaringan syaraf tiruan Radial Basis Function lebih baik
dibandingkan dengan metode Backpropagation dalam
mengenali morfologi sel darah merah (eritrosit).
Saran pekerjaan selanjutnya diharapkan adanya
pengembangan sistem pengenalan morfologi sel darah
merah (eritrosit) sehingga dapat mengenali semua bentuk
sel darah merah (eritrosit) walaupun data referensinya
berbeda dengan input yang diberikan, dengan
menggunakan beberapa metode pengolahan citra (deteksi
tepi dan ekstraksi ciri) dan menggabungkan beberapa
metode pengenalan pola yang ada, misalnya metode
neural network dengan optimasi algoritma genetika.
Selain itu juga diharapkan adanya pengembangan sistem
pengenalan morfologi sel darah merah (eritrosit) yang
ditinjau dari aspek warna dan ukuran untuk mengindikasi
suatu penyakit.
REFERENSI
[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.
UCAPAN TERIMA KASIH
Penulis ingin mengucapkan terima kasih kepada
Quatrine Wahyuni dan Erny Apriany Sylwana atas
penyelesaian riset ini. Penulis juga mengucapkan terima
kasih kepada Universitas Hasanuddin yang memberikan
pendanaan riset melalui program DIPA Fakultas
Teknik
Universitas
Hasanuddin
Nomor
2783/UN4.8.2/PL.09/2012.
.