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.
