6
BAB 2 LANDASAN TEORI
2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk mengikat oksigen untuk diedarkan keseluruh tubuh. Sel darah merah berbentuk seperti cakram bikonkaf yang berdiameter 7,5mikron, tebal tepi sekitar 2 mikron dan bagian tengahnya lebih kurang 1 mikron. (Wulandary, 2014).Bagian tepi sel darah merah terlihat lebih merah daripada bagian pusatnya dikarenakan bentuknya yang bikonkaf sehingga menyebabkan hemoglobin terkumpul lebih banyak dibagian tepi sel (Tahir,. et, al. 2012) Gambar sel darah merah normal, bisa dilihat pada gambar 2.1.
Gambar 2.1. sel darah merah normal Keadaan kurangnya oksigen menyebabkan sel darah merah selain tidak bisa melakukan fungsi sebagai mana mestinya, juga bisa mengakibatkan bentuk sel darah merah itu sendiri menjadi tidak normal. Kelainan bentuk sel darah merah terdiri dari berbagai macam bentuk. Kelainan-kelainan bentuk sel darah merah dapat mengakibatkan timbulnya berbagai penyakit yaitu : 1. Achanthocytosis Kelainan bentuk sel darah merah yang memiliki satu atau lebih tonjolan sitoplasma yang runcing dan tidak teratur pada tepi selnya. 2. Cigar Cell. Kelainan sel darah merah yang berbentuk seperti pensil.
Universitas Sumatera Utara
7
3. Echinocytes. Kelainan sel darah merah yang memiliki tonjolan sitoplasma yang teratur seperti duri. 4. Schistocytosis Kelainan sel darah merah yang berbentuk tidak teratur akibat dari fragmentasi. 5. Target Cell Kelainan bentuk sel darah merah yang menyerupai sasaran tembak.
2.2. Pengolahan Citra Digital Citra (image) merupakan komponen multimedia yang mengandung informasiinformasi penting didalamnya. Pengolahan citra digital adalah ilmu yang mempelajari tentang proses mengolah informasi dari suatu citra dengan cara memperbaiki kualitas citra, mentransformasi citra, memilih ciri citra yang bertujuan untuk menganalisis, mengumpulkan informasi, atau mempelajari suatu objek yang ada pada citra.Kumpulan piksel-piksel yang disusun dalam larik dua-dimensi disebut citra.Dalam proses pengolahan citra, yang menjadi input adalah sebuah citra dan citra hasil dari proses pengolahan tersebut merupakan outputnya. (Wulandary, 2014). Beberapa teknik yang digunakan dalam pengolahan citra digital: a. Grayscale. Pada tahap ini citra sel darah merah yang berwarna (RGB) diubah menjadi citra grayscale (gambar keabuan). Proses konversi bisa dilihat dalam persamaan (2.1) I = (R + G + B) / 3
(2.1)
I : Tingkat keabuan R : Tingkat intensivitas warna merah G : Tingkat intensivitas warna hijau B : Tingkat intensivitas warna biru
Universitas Sumatera Utara
8
b. Threshold. Pada tahap ini bertujuan untuk mengubah citra grayscale menjadi citra biner atau hitam putih sehingga dapat dibedakan daerah antara background dari citra. (Subekti, et al. 2013). Proses thresholding bisa dilihat pada persamaan (2.2). g (x,y)
=
{
1,jika f(x,y) ≥ T 0,jika f(x,y) ˂ T
(2.2)
dengan g(x,y) merupakan sebuah citra biner hasil dari proses grayscale f(x,y) dan T menyatakan nilai untuk hasil thresholding. Pada penelitian ini, thresholding
yang
digunakan
adalah
metode
otsu.
Metode
ini
menganalisis deskriminandengan membedakan antara dua atau lebih kelompok secara alami untuk menentukan suatu variabel. (Kumaseh, 2013)
c. Zoning. tujuan tahap ini untuk mendapatkan ciri dari karakteristik sel darah merah yang telah mengalami tahapan pra-pengolahan. Pada penelitian ini digunakan ektraksi ciri zoning. Kelebihan dari ekstraksi zoning ini adalah kemampuannya untuk mengekstrak suatu karakter dengan perhitungan yang cepat dan kompleksitas yang rendah. (Winda, et. al, 2012)
d. Deteksi Tepi Canny (Canny Edge Detection) Dalam jarak yang singkat, perubahan nilai tingkat derajat keabuan suatu citra yang besar sangat berguna dalam proses segmentasi dan identifikasi citra untuk mencirikan informasi objek yang ada pada citra. Perubahan tersebut dinamakan tepi dalam suatu citra. Dalam penelitian ini, digunakan deteksi tepi canny. Algoritma canny dapat melakukan deteksi tepi secara optimum karena algoritma ini memenuhi beberapa kriteria (Kamal & Basuki, 2013) : 1. Dalam mendeteksi kriteria citra, algoritma ini mampu menandai semua tepi dengan baik dan dalam menentukan tingkat ketebelan tepi memiliki fleksibilitas yang tinggi.
Universitas Sumatera Utara
9
2. Antara tepi yang dideteksi oleh algoritma canny dengan tepi citra yang asli, algoritma ini mampu menghasilkan jarak yang minimum sehingga algoritma ini memiliki kriteria lokalisasi yang baik. 3. Dalam tiap tepi, algoritma canny hanya memiliki satu respon yang mudah dideteksi sehingga dapat menghindari adanya kerancuan pada proses pengolahan citra pada tahap berikutnya.
2.3. Jaringan Saraf Tiruan Jaringan saraf tiruan (JST) merupakan sebuah sistem yang memiliki cara kerja yang meniru cara kerja sistem saraf manusia. Jaringan saraf tiruan ini memiliki beberapa neuron yang berfungsi sebagai unit pemroses informasi
dan
hubungan antar neuron yang disebut sebagai sinapsis yang memiliki sejumlah bobot yangakan digunakan untuk operasi perkalian. Untuk menghitung nilai output atau keluarannya, unit pengolah (neuron) akan membentuk penjumlahan bobot dari masukkannya dan menggunakan fungsi aktivasi.(Nugroho, 2012). Dalam jaringan saraf tiruan, terdapat beberapa fungsi aktivasi yang dapat digunakan yaitu :
1. Fungsi Linier, yaitu fungsi aktivasi yang memiliki nilai output dan input yang sama. Fungsi linier dapat dilihat pada persamaan (2.3) (2.3)
f(x) = x
2. Fungsi Undak Biner, yaitu fungsi aktivasi yang nilai inputnya dari suatu variabel yang bernilai kontinu dikonversikan ke suatu output biner. Fungsi Undak Biner dapat dilihat pada persamaan (2.4) 0, jika x ≤ 0
f(x) = { 1, jika x > 0
(2.4)
3. Fungsi Symetric Saturating Linear, yaitu fungsi aktivasi yang memiliki nilai 1, -1, atau sama dengan nilai inputnya. Jika nilai input yang dimasukkan lebih dari 1,maka fungsi aktivasi ini akan memiliki nilai 1, dan jika nilai inputnya kurang dari -1, maka fungsi ini akan bernilai -1,
Universitas Sumatera Utara
10
sedangkan jika nilai inputnya berada diantara -1 dan 1, maka nilai fungsi aktivasi ini akan
sama dengan inputnya. Fungsi aktivasisymetric
saturating lineardapat dilihat pada persamaan (2.5)
{
f(x) =
-1, jika x ≤ -1 x, jika -1 ≤ x ≤ 1
(2.5)
1, jika x ≥ 1
4. Fungsi Sigmoid Biner, yaitu fungsi aktivasi yang memiliki nilai antara 0 sampai 1. Fungsi aktivasi sigmoid biner bisa dilihat pada persamaan (2.6)
f(x) =
1
(2.6)
( 1 + edx)
2.4. Radial Basis Function Network (RBFN) Radial Basis Function Network (RBFN)merupakan salah satu jenis jaringan saraf tiruan yang memiliki penggabungan pelatihan terbimbing dan tak terbimbing sekaligus sehingga pelatihan pada jaringan saraf tiruan ini disebut sebagai pelatihan hibrida. Jaringan saraf tiruan radial basis function teridiri dari unit lapisan masukan (input layer), unit lapisan tersembunyi (hidden layer), dan unit lapisan keluaran (output layer).(Nugroho, 2012). Data input akan diproses secara nonlinear dengan fungsi aktivasi pada lapisan tersembunyi setelah lapisan input menerima suatu input x dan dari lapisan tersembunyi, secara linier outputnya akan diproses pada lapisan keluaran. Proses yang terjadi darilapisan input ke lapisan tersembunyi memiliki sifat nonlinier dan akan bersifat linier pada lapisan tersembunyi ke lapisan keluaran. Fungsi aktivasinya bersifat radial dan outputnya berupa hasil penjumlahan. Oleh karena itu, jaringan radial basis function ini disebut sebagai jaringan saraf feed-forward (Purwitasari, et., al. 2011). Pada lapisan tersembunyi, akan digunakan fungsi basis sebagai fungsi aktivasinya yaitu (Juliaristi, 2014) :
Universitas Sumatera Utara
11
a. Fungsi Multikuadaratik, dapat dilihat pada persamaan (2.7) φ(x) = (x2 +σ2)1/2
(2.7)
b. Fungsi Invers Multikuadratik, dapat dilihat pada persamaan (2.8) φ(x) = 2 1 2 1/2 (2.8) (x +σ ) (2.8)
c. Fungsi Gaussian, dapat dilihat pada persamaan (2.9) 2 2 φ(x) = e(-x /2σ )
(2.9)
Arsitektur jaringan saraf tiruan Radial Basis Function bisa dilihat pada Gambar 2.2.(Tahir et al. 2012).
(Sumber : Tahir et.al, 2012) Gambar 2.2 Arsitektur Umum Jaringan Saraf Tiruan RBF
Nugroho (2012) menjelaskan cara kerja algoritma radial basis function network yang memiliki tahapan sebagai berikut : 1. Langkah 1 :Tentukan fungsi-fungsi basis yang akan digunakan 2. Langkah 2 : Pada lapisan tersembunyi di setiap node, tentukan centersecara acak
Universitas Sumatera Utara
12
3. Langkah 3 : Pada lapisan tersembunyi, tentukan bobot sebanyak node yang akan digunakan 4. Langkah 4 : Memberikan nilai inisialisasi bobot w = [0 0 0 ...0 ] sebagai nilai awal, lalu atur laju konvergensi (0 <α < 1). Setelah itu, tentukan nilai maksimal epoch dan MSE yang akan dihitung. 5. Langkah 5 :
Kerjakan langkah 6 – 11 jika epoch<=
maksimal epochatau MSE <= MSE maksimal untuk setiap sinyal latih. 6. Langkah 6 : Pada lapisan tersembunyi, hitung nilai output dari node 7. Langkah 7 : Pada jaringan RBFN, hitung nilai output. 8. Langkah 8 : Antara sinyal (d) terhadap output RBFN (y), hitung nilai error dengan persamaan (3.0) error = d – y
(3.0)
9. Langkah 9 : Pada tiap fungsi basis, update bobot basis dengan metode LMS. 10. Langkah 10 : Hitung nilai MSE yang merupakan hasil akar dari jumlah kuadrat error 11. Langkah 11 : epoch = epoch + 1
2.5. Penelitian Terdahulu Beberapa penelitian terdahulu terkait dengan sel darah merah dilakukan dengan berbagai metode. Pada tahun 2014, Wulandary menggunakan metode self-organizing map (SOM) dalam membedakan sel darah merah normal dan abnormal. Citra yang diambil berupa gambar hasil pemotretan dengan menggunakan mikroskop digital dengan skala perbesaran 100 untuk setiap image yang diambilPenelitian yang dilakukan oleh Warni pada tahun 2009 tentang penentuan morfologi sel darah merah (sel darah merah) berbasis pengolahan citra dan jaringan syaraf tiruan. Pada penelitian ini, digunakan enam jenis kelainan bentuk sel darah merah yang berbeda. Metode yang dipilih adalah metode backpropagation dalam menentukan bentuk sel darah merah dan memiliki akurasi 78,33%.
Universitas Sumatera Utara
13
Pada tahun 2012, Tahir et. al, melakukan penelitian yang berjudul analisa metode radial basis function jaringan saraf tiruan untuk penentuan morfologi sel darah merah (sel darah merah) berbasis pengolahan citra. Penelitian ini membandingkan dua metode yaitu metode radial basis function dan metode backpropagation. Bentuk kelainan sel darah merah yang digunakan adalah enam jenis bentuk.
Penelitian yang dilakukan oleh Praida pada tahun 2008 yang berjudul pengenalan penyakit darah menggunakan teknik pengolahan citra dan jaringan saraf tiruan. Objek yang digunakan dalam penelitian ini adalah sel darah putih. Penelitian ini menggunakan algortima gradient-descent pada metode backpropagationdan memiliki nilai akurasi 83,33%.
Pada tahun 2014, Juliaristi melakukan penelitian yang berjudul peramalan banyak kasus demam berdarah di D.I. Yogyakarta dengan model radial basis function neural network. Penelitian ini menggunakan metode jaringan saraf tiruan radial basis function untuk meramalkan banyak kasus demam berdarah untuk 6 bulan ke depan. Rangkuman dari penelitian terdahulu dapat dilihat pada tabel 2.1
Tabel 2.1 Penelitian Terdahulu No
Peneliti
1
Fanny
Tahun Sari 2014
Metode
Keterangan
SOM
Menggunakan metode SOM dalam
Wulandari
membedakan sel darah merah normal dan abnormal dan mencapai akurasi sebesar 89,134%
2
Elly Warni
2009
Backpropagation
Menentukan
morfologi
menggunakan backpropagation
eritrosit metode
dan
memiliki
akurasi 78,33%
Universitas Sumatera Utara
14
3
Zulkifli Tahir, Elly
2012
Warni, Indrabayu,
RBF dan
Membandingkan metode RBF dan
Backpropagation
backpropagation dalam menentukan
Ansar Suyuti 4
Arthania
morfologi sel darah merah. Retno 2008
Praida
Gradient-descent
Melakukan
dan
darah
backpropagation
algoritma
pengenalan
dengan
penyakit
menggunakan
gradient-descent
jaringan backpropagation
saraf dan
pada tiruan
memiliki
akurasi sebesar 83.33% 5
Fajarani Juliaristi
2014
RBFNN
Meramalkan kasus demam berdarah menggunakan metode RBFNN
Perbedaan penelitian yang dilakukan dengan penelitian terdahulu adalah penggunaan metode jaringan saraf tiruan Radial Basis Function Neural Network (RBFNN)dan banyaknya jenis kelainan bentuk sel darah merah yang digunakan ada sebanyak 3 jenis kategori yang berbeda.
Universitas Sumatera Utara
