SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM) SKRIPSI
FANNY SARI WULANDARI 091402104
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Universitas Sumatera Utara
SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM)
SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat tugas akhir
FANNY SARI WULANDARI 091402104
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Universitas Sumatera Utara
iii
PERSETUJUAN
Kategori
: SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM) : SKRIPSI
Nama
: FANNY SARI WULANDARI
Nomor Induk Mahasiswa
: 091402104
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Judul
Diluluskan di Medan, 2014 Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Muhammad Anggia Muchtar, ST., MM.IT Romi Fadillah Rahmat, B.Comp.Sc, M.Sc NIP 19800110 200801 1 010
NIP 19860303 201012 1 004
Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua,
Muhammad Anggia Muchtar, ST., MM.IT NIP 19800110 200801 1 010
Universitas Sumatera Utara
iv
PERNYATAAN
SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkab sumbernya.
Medan, Oktober 2014
Fanny Sari Wulandari 091402104
Universitas Sumatera Utara
v
PENGHARGAAN
Puji syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat, nikmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara. Penulis menyadari bahwa bantuan dan bimbingan dari berbagai pihak sangatlah penting untuk menyelesaikan skripsi ini. Maka dalam kesempatan ini penulis ingin mengucapkan terimakasih sebesar-besarnya kepada: 1. Papa dan mama selaku kedua orangtua penulis, Harianto dan Siti Amnah Siregar yang sudah memberikan do’a, dukungan, semangat serta kasih sayangnya sepenuh hati. Penulis berharap dapat memberikan yang terbaik dan membuat kedua orangtua penulis bangga. 2. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, seluruh dosen serta seluruh pegawai Program Studi S1 Teknologi Informasi. 3. Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, Bapak M. Anggia Muchtar, ST., MM.IT dan Bapak M. Fadly Syahputra, B.Sc., M.Sc.IT. 4. Dosen Pembimbing Satu dan Dua, Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc dan Bapak M. Anggia Muchtar, S.T., MM.IT yang telah banyak menyediakan waktu dan membagi ilmu untuk membimbing dan mengarahkan penulis dalam menyelesaikan skripsi ini. 5. Dosen Penguji Satu dan Dua, Bapak M. Fadly Syahputra, B.Sc., M.Sc.IT dan Bapak Dani Gunawan, ST.MT yang telah membantu mengarahkan penulis dalam menyusun skrispsi ini dengan sangat baik. 6. dr. Alya Amalia Fitrie, M.Kes selaku dosen histologi Fakultas Kedoteran Universitas Sumatera Utara dan dr. Dewi Indah Sari Siregar, MKed.(ClinPath), SpPK selaku dokter Patologi Klinik yang telah membantu penulis dalam memperoleh data sel darah merah. 7. Kakak-kakak dan abang penulis Fibriyanti Sari Dewi, Fushanty Ica Amhar, Fushanny Ice Amhar, Syahbana Sari Muda yang telah memberi dukungan, semangat dan kasih sayang yang tak terhingga, yang terkasih M. Fauzan yang telah sabar dan memberikan semangat kepada penulis dalam menyelesaikan skripsi ini, serta orangtua asuh, H. Sugiono Asmar, SP. QIA yang telah memberikan do’a, dukungan dan semangat kepada penulis. 8. Kepada sahabat Melinda, Raisha, Winda, Enggar, Ade M, Rima, Uti, Yunisya, Yana, Hani, Dijah, Juju, Ade T, Ibnu, Dullah, Reza, Fadli Rizky, Fadli Rachman, Memed, Ammar, Ridzuan, Dezi, Yogi serta teman-teman Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu. . Penulis sadar bahwa skripsi ini belum sempurna. Dengan kerendahan hati penulis mengharapkan kritik dan saran yang membangun. Semoga Allah selalu memberikan yang terbaik serta berkah dan rahmat-Nya untuk kita semua. Aamin Yaa Rabbalalamin
Universitas Sumatera Utara
vi
ABSTRAK
Darah merupakan komponen esensial makhluk hidup yang berada dalam ruang vaskuler. Untuk mengidentifikasikan suatu penyakit dapat diuji melalui tes darah, salah satunya dapat dilihat dari bentuk sel darah merah. Morfologi normal dan abnormal dari sel darah merah seorang pasien sangat membantu para dokter dalam mendeteksi suatu penyakit. Dengan kemajuan teknologi pengolahan citra digital dapat digunakan untuk mengiidentifikasi sel darah normal dan abnormal seorang pasien. Penelitian ini menggunakan metode selforganizing map untuk mengklasifikasikan jenis sel darah merah normal dan abnormal dalam sebuah citra digital. Penggunaan metode jaringan syaraf tiruan self-organizing map dapat mengklasifikasikan bentuk sel darah merah normal dan abnormal pada citra masukan dengan akurasi pengujian 93,78%.
Kata kunci: self-organizing map, sel darah merah, pengolahan citra digital
Universitas Sumatera Utara
vii
APPLICATION FOR CLASSIFICATION SHAPE OF NORMAL AND ABNORMAL RED BLOOD CELL USING SELF-ORGANIZING MAP (SOM) ABSTRACT
Blood is an essential component in the vascular space of living creature. The identification of a disease can be tested through a blood test. By seeing shape of the red blood cell is one of the methods to identify a disease. Normal and abnormal morphology of red blood cell of a patient really help doctors to diagnose a disease. Advances in technology of digital image processing give many advantages to identification normal and abnormal red blood cell of a patient. This research use Self-organizing map to classify between normal and abnormal red blood cell of a digital image of red blood cell. The use of neural network of self-organizing map method can classify normal and abnormal red blood cell from an image with accuracy of testing 93,78 %.
Keyword: self-organizing map, red blood cell, digital image proccesing
Universitas Sumatera Utara
viii
DAFTAR ISI Halaman PERSETUJUAN
iii
PERNYATAAN
iv
PENGHARGAAN
v
ABSTRAK
vi
ABSTRACT
vii
DAFTAR ISI
viii
DAFTAR GAMBAR
x
DAFTAR TABEL
xi
BAB 1 PENDAHULUAN
1
1.1
Latar Belakang
1
1.2
Rumusan Masalah
2
1.3
Batasan Masalah
3
1.4
Tujuan Penelitian
3
1.5
Manfaat Penelitian
3
1.6
Metodologi Penelitian
4
1.7
Studi Literatur
4
BAB 2 LANDASAN TEORI 2.1
Sel Darah Merah
6 6
2.1.1
Sel darah merah normal.
6
2.1.2
Sel darah merah abnormal
6
2.1.3
Perhitungan darah
7
2.1.4
Perhitungan sel
7
Pengolahan Citra Digital
8
2.2
2.2.1
Pengertian citra
8
2.2.2
Penerapan pengolahan citra digital
8
2.2.3
Aras Keabuan (grayscale)
8
2.2.4
Pengambangan (Thresholding)
9
2.2.5
Erosi
9
2.2.6
Dilasi
9
Universitas Sumatera Utara
ix
2.2.7
Momen Invariant
10
2.2.8
Roundness (R)
11
2.3
Unsupervised learning
11
2.4
Self-Organizing Map
12
2.5
Penelitian Terdahulu
13
BAB 3 ANALISIS DAN PERANCANGAN
15
3.1 Data Yang Digunakan
15
3.2
16
Analisis Sistem
3.2.1 3.3
Blok diagram sistem
Perancangan sistem
16 21
3.3.1
Diagram use case
21
3.3.2
Use case spesifikasi
22
3.3.3
Diagram aktivasi
24
3.4
Perancangan Tampilan Antarmuka
25
3.4.1
Rancangan halaman awal
26
3.4.2
Rancangan halaman utama
27
3.4.3
Tampilan halaman tambah data latih
28
BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1
Implementasi Sistem
30 30
4.1.1
Perangkat keras
30
4.1.2
Perangkat lunak
30
4.2
Pengujian Kinerja Sistem
31
4.3
Pelatihan
33
4.4
Pengujian Sistem
46
BAB 5 KESIMPULAN DAN SARAN
55
5.1
Kesimpulan
55
5.2
Saran
55
DAFTAR PUSTAKA
57
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Gambar 2.1 Sel darah merah normal Gambar 2.2 Jenis sel darah merah abnormal Gambar 2.3 Arsitektur jaringan syaraf kohonen Gambar 3.1 Sel darah merah normal dan abnormal Gambar 3.2 Diagram blok sistem identifikasi sel darah merah normal dan abnormal Gambar 3.3 Proses citra grayscale Gambar 3.4 Proses thresholding citra sel darah merah Gambar 3.5 Proses erosi citra sel darah merah Gambar 3.6 Proses dilasi citra sel darah merah Gambar 3.7 Ekstraksi ciri menggunakan metode momen invariant dan roundness Gambar 3.8 Flowchart SOM Gambar 3.9 Use case diagram sistem Gambar 3.10 Diagram aktivasi proses pengenalan citra sel darah merah Gambar 3.11 Diagram aktivasi proses latih jaringan Gambar 3.12 Rancangan antarmuka sistem pengenalan sel darah merah Gambar 3.13 Tampilan halaman utama sistem Gambar 3.14 Tampilan halaman tambah data latih Gambar 4.1 Halaman awal Gambar 4.2 Halaman pengenalan Gambar 4.3 Tampilan sel abnormal Gambar 4.4 Halaman tambah data latih Gambar 4.5 Citra uji 1 Gambar 4.6 Hasil citra uji ke-2 Gambar 4.7 Hasil citra uji ke-3 Gambar 4.8 Hasil citra uji ke-4 Gambar 4.9 Hasil citra uji ke-5
Halaman 6 7 13 15 16 17 17 18 18 19 20 22 24 25 25 26 28 31 32 32 33 47 48 50 51 52
Universitas Sumatera Utara
xi
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu Tabel 3.1 Usecase spesifikasi proses pengenalan citra Tabel 3.2 Usecase spesifikasi proses tambah data latih Tabel 4.1 Parameter pelatihan identifikasi sel darah merah Tabel 4.2 Data Latih atau data acuan Tabel 4.3 Hasil uji pada gambar 4.5 Tabel 4.4 Hasil uji pada gambar 4.6 Tabel 4.5 Hasil uji pada gambar 4.7 Tabel 4.6 Hasil uji pada gambar 4.8 Tabel 4.7 Hasil uji pada gambar 4.9 Tabel 4.8 Persentase tingkat keakuratan pada gambar sel darah merah
Halaman 14 22 23 33 34 47 48 50 52 53 53
Universitas Sumatera Utara