ANALISIS PERBANDINGAN ANTARA METODE IMAGE AVERAGING BERDASARKAN MEAN DAN MEDIAN PADA PENENTUAN GOLONGAN DARAH MANUSIA

Seminar Nasional Ilmu Komputer dan Aplikasinya – SNIKA 2006

ANALISIS PERBANDINGAN ANTARA METODE IMAGE AVERAGING BERDASARKAN MEAN DAN MEDIAN PADA PENENTUAN GOLONGAN DARAH MANUSIA Murinto, Eko Aribowo, Lidya Puspa Harleni Program Studi Teknik Informatika Universitas Ahmad Dahlan Jogjakarta Jl.Prof.Dr. Soepomo, Janturan, Jogjakarta Email : [email protected]

Abstrak Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar didapatkan hasil citra yang lebih baik dan mudah untuk direpresentasikan. Pengolahan citra menggunakan metode Image Averaging berdasarkan Mean dan Median, merupakan suatu metode yang dapat digunakan untuk menyeragamkan nilai-nilai intensitas di dalam citra sehingga diperoleh nilai intensitas yang sama. Selama ini belum ada penelitian yang menjelaskan karakteristik kedua metode tersebut. Dalam penelitian ini akan dilakukan analisis kelebihan dan kekurangan dari metode Image Averaging berdasarkan Mean dan Median dalam menentukan golongan darah manusia dengan cara mengkonversi citra hitam-putih (grayscale) ke citra biner dengan operasi pengambangan (thresholding). Golongan darah manusia yang dikenal secara umum ada empat jenis yaitu golongan darah A, B, AB,O. Subyek penelitiannya adalah menganalisis dan membandingkan kinerja antara metode Image Averaging berdasarkan Mean dan Median dalam menentukan golongan darah manusia. Data dalam penelitian ini menggunakan data citra sampel golongan darah manusia yang diberi antiregent A, B dan AB.Implementasi metode Image Averaging berdasarkan Mean dan Median menggunakan bahasa pemrograman Borland Delphi 7.0 dan Matlab 6.5, yaitu menggunakan input file citra darah manusia dalam format .bmp(Bitmap). Citra asli diubah ke citra keabuan, dilakukan perataan citra berdasarkan Mean dan Median, menghitung timing run dan menampilkan histogramnya, dengan operasi pengambangan (thresholding) mean dan median maka akhirnya akan didapatkan jenis golngan darah manusia. Hasil penelitian menunjukkan bahwa perataan citra (Image Averaging) menggunakan Median dapat memberikan kualitas citra yang lebih baik bila dilihat secara visual mata dan waktu proses (timing run) yang cepat. Hasil perataan citra (Image Averaging) menggunakan Mean memberikan efek blur sehingga citra terlihat kurang jelas dan memerlukan waktu proses (timing run) yang lebih lama.

Kata kunci : Golongan Darah, Image Averaging, Mean, Median,

1. PENDAHULUAN Kemajuan teknologi di bidang komputer saat ini mendorong berkembangnya penelitian dan penerapan teknik pengolahan citra. Beberapa pertumbuhan kemajuan teknologi baru membuka peluang bagi pengembangan lebih lanjut dalam bidang ini. Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah direpresentasikan oleh

manusia atau mesin (dalam hal ini komputer). Citra (image) merupakan salah satu komponen multimedia yang mempunyai peranan sangat penting sebagai suatu bentuk informasi visual. Didalam citra terkandung banyak informasi yang dimilikinya. Secara harfiah, citra didefinisikan sebagai gambar pada bidang dua dimensi (dua matra). Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Ada

09/11/2006

Seminar Nasional Ilmu Komputer dan Aplikasinya – SNIKA 2006

sebuah peribahasa yang berbunyi “ Sebuah gambar bermakna lebih dari seribu kata “ (a picture is more than a thousand word). Maksudnya adalah sebuah gambar dapat memberikan informasi yang lebih banyak dari pada informasi tersebut disajikan dalam bentuk kata-kata atau teks. Pengolahan citra mempunyai peranan sangat penting dalam berbagai bidang kehidupan misalnya bidang kesehatan. Ada banyak aplikasi dalam bidang kesehatan yang sudah banyak digunakan sekarang ini, antara lain aplikasi untuk mendiagnosa berbagai penyakit pada manusia, aplikasi deteksi kanker payudara, aplikasi rekonstruksi foto janin hasil USG, simulasi perhitungan sel darah manusia, serta masih banyak lagi yang lainnya. Di dalam tubuh manusia terdapat banyak darah yang mempunyai peranan yang sangat penting untuk kelangsungan hidup manusia. Darah merupakan cairan dalam tubuh manusia yang mempunyai banyak fungsi, yang utama sekali adalah mengangkut oksigen keseluruh tubuh. Selain itu darah juga berfungsi untuk mengangkut sisa-sisa metabolisme dalam tubuh, menyuplai jaringan tubuh dengan nutrisi, mengandung berbagai bahan yang bertujuan untuk mempertahankan tubuh manusia dari kuman-kuman penyakit serta mengedarkan hormon endokrin. Golongan darah manusia secara umum yang dikenal ada empat golongan darah yaitu A, B, AB dan O. Selain itu dikenal juga dengan Rh (rhesus) yaitu rhesus positif dan rhesus negatif. Salah satu perbedaan utama antara golongan darah A, B, AB dan O dengan rhesus yaitu pada pada golongan darah A, B, AB dan O aglutinin bertanggung jawab pada timbulnya reaksi tranfusi yang terjadi secara spontan, sedangkan pada rhesus aglutinin spontan hampir tidak pernah terjadi [3]. Pada penelitian ini, akan dikembangkan suatu sistem analisis yang mencoba untuk membandingkan kinerja antara metode Image Averaging berdasarkan Mean dan Median dalam menentukan golongan darah manusia, dengan menggunakan citra sampel golongan darah manusia yang sudah diketahui jenis golongannya. Image Averaging merupakan suatu metode atau teknik yang dapat digunakan untuk

menyeragamkan nilai-nilai intensitas di dalam citra sehingga diperoleh nilai intensitas yang sama. Tujuan utama dari perataan citra adalah mengubah nilai-nilai intensitas citra sehingga diperoleh penyebaran yang seragam (Uniform). Perataan citra dilakukan dengan melakukan perataan histogram. Tujuan dari perataan histogram adalah untuk memperoleh penyebaran histogram yang merata, sedemikian sehingga setiap derajat keabuan memiliki pixel yang relatif sama. Dalam penelitian ini metode perataan histogram yang digunakan adalah metode mean dan median. Metode mean ini dengan menjumlahkan nilai masing-masing pixel kemudian dibagi dengan jumlah seluruh pixel. Metode median dengan mencari nilai tengah dari pixel citra. Sistem ini nantinya hanya akan menganalisis perbandingan kinerja antara metode Image Averaging berdasarkan Mean dan Median dalam menentukan golongan darah manusia yaitu golongan darah A, B, AB, dan O. Hasil akhir dari perbandingan kinerja antara metode Image Averaging berdasarkan Mean dan Median yang diperoleh yaitu manakah yang akan memberikan kinerja yang lebih baik berdasarkan kualitas citra yang dihasilkan, perataan antara mean dan median, timing run, histogram serta apakah sistem akan mengenali citra sampel golongan darah manusia yang diberikan.Input berupa file citra darah manusia dalam bentuk format BMP. Program akan dibuat menggunakan Delphi 7.0 dan Matlab 6.5.1

2. LANDASAN TEORI 2.1.Golongan Darah Pada Manusia Pada Manusia ada empat jenis golongan darah yang dikenal yaitu golongan darah A, B, AB dan O. masingmasing golongan darah mempuyai ciri-ciri yang khas yang memudahkan untuk membedakannya. Untuk membedakan antara golongan darah A, B, AB dan O kita bisa menggunakan antiregen A, B dan AB yaitu sejenis cairan yang berfungsi untuk membuat darah menggumpal sesuai dengan antiregennya. 1) Golongan Darah A Golongan darah A pada manusia akan dapat dikenali jika sample darah sudah diberi antiregen A, B dan AB,

09/11/2006

Seminar Nasional Ilmu Komputer dan Aplikasinya – SNIKA 2006

kemudian mengalamai penggumpalan pada antiregen A dan AB-nya. 2) Golongan Darah B Golongan darah B pada manusia akan dapat dikenali jika sample darah sudah diberi antiregen A, B dan AB, kemudian mengalamai penggumpalan pada antiregen B dan AB-nya. 3) Golongan Darah AB Golongan darah AB pada manusia akan dapat dikenali jika sample darah sudah diberi antiregen A, B dan AB, kemudian mengalamai penggumpalan pada antiregen A, B dan AB-nya. 4) Golongan Darah O Golongan darah O pada manusia akan dapat dikenali jika sample darah sudah diberi antiregen A, B, AB, tidak ada penggumpalan pada masing-masing sampel darah yang sudah ditetesi antiregen. 2.2. Perataan dengan Mean dan Median 2.2.1. Perataan dengan Metode Mean Perataan citra dengan metode ini yaitu dengan melakukan perataan histogram. Perataan histogram dengan metode Mean yaitu suatu metode dengan cara menjumlahkan nilai masing-masing pixel kemudian dibagi dengan jumlah seluruh pixel yang ada. Perataan histogram dengan metode Mean adalah dengan menggunakan rumus yang dapat dilihat pada persamaan 1: Pr(rk) =

nk n

(1)

dimana

rk 

k L 1

,0  k  L  1 (2)

derajat keabuan (k) dinormalkan terhadap derajat keabuan terbesar(L-1). Nilai rk = 0 menyatakan hitam, dan rk = 1 menyatakan putih dalam skala keabuan yang didefinisikan. 2.2.2. Perataan dengan Metode Median Penapis median dikembangkan oleh Tukey. Pada penapis median, suatu “jendela” (window) memuat sejumlah pixel (ganjil). Jendela digeser titik demi titik pada seluruh daerah citra. Pada setiap pergeseran dibuat jendela baru. Titik

tengah dari jendela ini diubah dengan nilai median dari jendela tersebut. Penapisan median merupakan pengolahan tak linear yang berguna untuk mengurangi gangguan-gangguan yang bersifat spike, yang tampil pada citra dalam bentuk bercak-bercak putih atau hitam. Gangguan-gangguan ini biasanya disebut derau inplusive atau salt-and-peppar. Proses penapisan median dilakukan perkelompok pixel yang terdiri dari pixel yang akan diproses dengan melibatkan pixel-pixel tetangganya, yaitu dengan cara menjalankan suatu jendela sepanjang citra, dan nilai intensitas median dari pixel yang ada pada jendela menggantikan intensitas pixel yang sedang diolah. Penapisan median mampu menjaga kekontinuan pada fungsi undak (step function) dan dapat memperhalus sejumlah pixel yang nilainya berbeda dengan sekitarnya tanpa mempengaruhi pixel-pixel lainnya. Jika nilai-nilainya implusif antara dua pixel diakibatkan oleh derau, hasil penerapan tapis median akan mengurangi derau. Operator median merupakan tapis taklinear karena jika diberikan dua fungsi citra yang menghasilkan urutan R1(x) dan R2(x) maka med (R1(x) + R2(x))  med (R1(x) + med(R2(x)). Tapis median memiliki sejumlah sifat menarik seperti berikut : a) Jika diberikan terapan k dan urutan R(x), maka : med(k . R(x)) = k . med(R(x)). (3) med(k + R(x)) = k + med(R(x)). (4) b) Tapis median mengurangi varians intensitas citra. Dengan demikian, tapis median memiliki kemampuan untuk mengubah tekstur citra. c) Tapis median akan mengubah nilai rerata intensitas citra jika derau spasial pada citra asimetris di dalam jendela. d) Tapis median akan mempertahankan bentuk tepi tertentu. e) Jika diberikan bentuk jendela simetris, tapis median akan mempertahankan lokasi tepi. f) Pada penerapan tapis median, tidak ada nilai aras keabuan baru yang dibangkitkan. Citra biner tetap biner, dan kisaran dinamis citra tertapis tidak akan pernah melebihi kisaran citra masukannya. Perataan histogram dengan metode Median adalah dengan mengambil nilai

09/11/2006

Seminar Nasional Ilmu Komputer dan Aplikasinya – SNIKA 2006

tengah dari nilai pixel citra dengan terlebih dahulu mengurutkan nilai pixel dari yang terkecil ke yang terbesar.

3. HASIL PENELITIAN Pada penelitian ini digunakan data sampel citra golongan darah manusia yang sudah ditetesi dengan antiregent A, B dan AB. Jenis citra input adalah citra true color berekstensi *.bmp. Output yang dihasilkan adalah citra hasil perataan (Image Averaging) berdasarkan Mean dan Median, histogram citra dan Timing Run. Aplikasi nantinya akan menerima masukan berupa citra sampel golongan darah manusia yang sudah ditetesi dengan antiregent A, B dan AB, dan data tersebut sudah diketahui jenis golongan darahnya (lihat Gambar 1).

09/11/2006

Tabel 2. Tabel Kategori hasil Output Range Data image image

 

Citra golongan darah B

Citra golongan darah AB

Citra golongan darah O

Gambar 1. Sampel Citra Golongan Darah Manusia

Data input yang dilakukan pada aplikasi ini berupa target matriks citra yang merupakan hasil olah data dari operasi pengambangan (thresholding). Dari matriks yang telah diketahui, dimana kedua data 76 tersebut berguna untuk mengenali pola golongan darah. Data mengenai target matriks citra tersebut dijelaskan pada tabel 1. Tabel 1. Target Matriks Citra Kejadian Golongan Darah A Golongan Darah B Golongan Darah AB Golongan Darah O

Target Matriks Citra 010 100 000 111

Jika nilai output yaitu image  128 (dimana T=128), maka hasil output tersebut dapat dikategorikan pada nilai 0. Sementara jika nilai output yaitu image  128 (dimana T=128) maka hasil output tersebut dapat dikategorikan pada nilai 1. Penentuan nilai inilah yang nantinya akan menentukan pola golongan darah pada masing-masing antiregent apakah menggumpal atau tidak, pada tabel 2 berikut:

Arti

128

0

Menggumpal

128

1

Tidak menggumpal

Terjadinya proses penggumpalan pada sampel darah yang telah ditetesi dengan antiregen A, B dan AB dapat menentukan jenis golongan darah manusia yaitu apakah golongan darah A, B, AB dan O. Berikut adalah contoh sampel darah yang menggumpal dan tidak menggumpal, yang terlihat pada gambar 2.

Menggumpal Citra golongan darah A

Kategori

Tidak Menggumpal

Gambar 2. Sampel Darah yang Menggumpal dan Tidak Menggumpal

Data yang digunakan dalam aplikasi ini adalah data citra golongan darah yang sudah diberi antiregent A, B dan AB. Data tidak dibatasi tergantung dari jumlah data, karena data langsung dimasukkan ke dalam aplikasi tanpa harus mengalami perubahan. Pengolahan data citra dilakukan oleh aplikasi sendiri. Pengolahan data disini hanya mengubah data citra sampel golongan darah ke dalam bentuk biner yaitu dalam bentuk matriks dengan membedakan metode Image Averaging berdasarkan Mean dan Median. Secara lengkap, alur pengolahan data yang dilakukan dalam aplikasi ini adalah: Langkah 1 : Ambil citra sampel golongan darah yang sudah disediakan. Langkah 2 : Setelah citra diambil kemudian lanjutkan dengan mengubah citra asli ke citra keabuan, kemudian menampilkan histogram dari kedua citra tersebut. Langkah 3: Menentukan proses perataan citra (Image Averaging) berdasarkan Median. Dimulai dengan menampilkan citra hasil perataan berdasarkan Median, menampikan histogramnya, menentukan perhitungan waktu (timing-run). Langkah 4: Menetukan proses perataan citra (Image Averaging) Berdasarkan Mean. Dimulai dengan menampilkan citra hasil perataan berdasarkan Mean, menampilkan

Seminar Nasional Ilmu Komputer dan Aplikasinya – SNIKA 2006

histogramnya, menentukan perhitungan waktu (timing-run). Langkah 5: Setelah operasi perataan selanjutnya dilakukan operasi pengambangan (thresholding) terhadap kedua citra perataan. Operasi pengambangan mengelompokkan nilai derajat keabuan setiap pixel ke dalam dua kelas, yaitu hitam (0) dan putih (1). Dari proses tersebut maka didapatkan citra hasil pengambangan. Langkah 6 : Proses terakhir yaitu menentukan golongan darah manusia yang sebelumnya sudah diketahui jenisnya yaitu golongan darah A, B, AB dan O. Tampilan program utama menggunakan Borland Delphi 7.0. Di sini terdapat Process yaitu mengubah citra warna (true color) menjadi citra keabuan (grayscale) lalu menampilkan kedua histogram citra. Process juga menampilkan citra hasil perataan, citra ambang Mean dan Median, histogram, timming run serta hasil penentuan golongan darah manusia berdasarkan Mean dan Median (lihat gambar 3).

Gambar 3. Tampilan Utama Salah satu dari file citra dipilih, maka file citra asli dari sampel darah manusia akan muncul. Kemudian tekan tombol Process, maka akan ditampilkan hasil citra keabuan (grayscale) serta histogram yang dihasilkan. Seperti tampak pada gambar 4.

Gambar

4. Tampilan program untuk proses mengubah citra warna (true color) menjadi citra keabuan (grayscale)

09/11/2006

Setelah proses mengubah citra warna (true color) menjadi citra keabuan (grayscale) dilakukan, proses selanjutnya yaitu menghitung perataan citra berdasarkan metode median, menampilkan histogramnya serta menampilkan timing run. Proses waktu atau timing run ini digunakan untuk mengetahui waktu sejak awal hingga akhir proses yang bekerja secara bersamaan untuk menghitung waktu total yang diperlukan. Semakin kecil waktu proses yang digunakan maka akan semakin cepat waktu yang digunakan untuk proses. Seperti terlihat pada gambar 5 :

Gambar

5. Tampilan program perataan citra

untuk

proses

Setelah proses mengubah citra warna (true color) menjadi citra keabuan (grayscale) dilakukan, proses selanjutnya yaitu menghitung perataan citra berdasarkan metode median, menampilkan histogramnya serta menampilkan timing run. Proses waktu atau timing run ini digunakan untuk mengetahui waktu sejak awal hingga akhir proses yang bekerja secara bersamaan untuk menghitung waktu total yang diperlukan. Semakin kecil waktu proses yang digunakan maka akan semakin cepat waktu yang digunakan untuk proses. Secara visual dengan pandangan mata kita, hasil yang diperoleh dari perataan citra (Image Averaging) berdasarkan Mean dan Median pada sampel citra golongan darah manusia yang berekstensi .bmp tidak jauh berbeda. Tetapi jika diamati, hasil dari perataan citra berdasarkan Mean memberikan efek blur sehingga hasilnya menyebabkan tepian dari citra tidak nampak jelas. Sedangkan hasil dari perataan citra berdasarkan Median hasil citra nampak lebih jelas sebab tidak terdapat efek blur. Dalam tabel 3. ditampilkan hasil keseluruhan dari beberapa percobaan yang dilakukan.

Seminar Nasional Ilmu Komputer dan Aplikasinya – SNIKA 2006

Terdapat perbedaan waktu yang tidak terlalu besar antara hasil perataan citra dengan Median dan Mean. Hal ini terjadi pada semua sampel citra darah yang digunakan dalam uji coba. Dan dari hasil uji coba dapat diambil kesimpulan bahwa waktu proses (timig run) dari metode median lebih cepat dari pada waktu proses (timig run) dari metode mean.

09/11/2006

secara visual mata terkesan kurang jelas serta menyebabkan tepian dari citra tidak nampak jelas. Perataan citra (Image Averaging) berdasarkan metode Mean memerlukan waktu proses (timing run) yang lama. DAFTAR PUSTAKA [1]. Achmad, Balza, Firdausy, Kartika, “Teknik Pengolahan Citra Digital menggunakan Delphi”, Ardi Publishing, Yogyakarta , 2005. [2]. Andreswari, Desi, “Proses Peningkatan Mutu Citra Menggunakan Borland Delphi 5.0 “Skripsi Teknik Informatika UAD, Yogyakarta, 2002. [3]. Guyton, C.A, “Fisiologi Manusia dan Mekanisme Penyakit”, Penerbit Buku Kedokteran. [5]. Munir, Rinaldi, “Pengolahan Citra Digital dengan Pendekatan Algoritma”, Informatika, Bandung. [6]. Murinto, “Pengantar Kuliah Umum Pengolahan Citra” Universitas Ahmad Dahlan, Yogyakarta, 2004.

5. KESIMPULAN Dari pembahasan sebelumnya, maka dapat diambil kesimpulan sebagai berikut : 1. Perataan citra (Image Averaging) berdasarkan metode Median memberikan hasil yang lebih baik bila dilihat secara visual mata, hasil yang didapatkan tidak terdapat efek blur sehingga hasil citra nampak lebih jelas. Perataan citra (Image Averaging) berdasarkan metode Median memerlukan waktu proses (timing run) yang lebih cepat. 2. Perataan citra (Image Averaging) berdasarkan metode Mean memberikan efek blur sehingga hasil yang diperoleh apabila dilihat Tabel 3. Data Timing Run Median

Mean

Citra Asli

darah1(A).bmp darah2(A).bmp darah3(A).bmp darah4(A).bmp darah1(B).bmp darah2(B).bmp darah3(B).bmp darah4(B).bmp darah5(B).bmp darah6(B).bmp darah1(AB).bmp darah2(AB).bmp darah3(AB).bmp darah4(AB).bmp darah2(O).bmp darah3(O).bmp darah4(O).bmp darah5(O).bmp darah6(O).bmp darah7(O).bmp

Timimg Run 0.0150 0.0150 0.0160 0.0160 0.0150 0.0160 0.0150 0.0160

Golongan Darah A A A A B B B B

0.5150 0.5750 0.5470 0.5000 0.4840 0.5000 0.5000 0.4680

Golongan Darah A A A A B B B B

0.0150 0.0150 0.0150 0.0150 0.0160 0.0150 0.0150 0.0160

B B AB AB AB AB O O

0.6090 0.5160 0.5310 0.5470 0.6410 0.5000 0.5310 0.4840

B B AB AB AB AB O O

0.0160 0.0150

O A

0.4380 0.4220

O O

0.0150

tak dikenali O

0.0150

tak dikenali

0.3900

AB

0.0160

Timimg Run