Mikroskop

ISSN: 1693-1246Juli 2010 JF

P F Ihttp://journal.unnes.ac.id

Jurnal Pendidikan Fisika Indonesia 6 (2010) 133 - 137

PENGENALAN POLA CITRADENGAN METODE EKSTRAKSI FITUR CITRA

LEUKOSIT

D. R. Fifin*

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang, Semarang, Indonesia, 50299

Diterima: 12 Januari 2010, Disetujui: 1 Maret 2010, Dipublikasikan: Juli 2010

Leukosit terdiri dari berbagai macam bentuk. Berdasarkan bentuknya maka leukosit dibedakan lima jenis, yaitu basofil, eosinofil,neutrofil, limfosit dan monosit. Perbedaan bentuk ini yang melatar belakangi proses pengenalan pola citra leukosit dengan metodeekstraksi fitur. Tujuannya agar mempermudah proses identifikasi jenis leukosit secara otomatis. Proses identifikasi memerlukandata-data ekstraksi fitur citra, meliputi area citra, perimeter dan euler number. Data-data ekstraksi fitur citra ini akan dimasukkan kedalam data referensi dalam database. Hasil yang diperoleh menyatakan bahwa proses identifikasi diperoleh berdasarkan rangenilai perimeter dan euler number pada citra. Kelima jenis leukosit memberikan prediksi kesalahan sebesar 30 %. Kesalahan inimembuktikan bahwa sistem identifikasi jenis citra leukosit telah mampu mengidentifikasi jenis citra Leukosit.

Based on their forms, leucocytes can be classified into five types. They are basophyle, eosinophyle, neutrophyle, lymphocyte, andmonocyte. The difference of the forms was considered as the basic of imaging pattern identification using feature extractionmethods which aiming simplify identification process of leucocyte types automatically. The process need imaging feature extractiondata, including imaging area, perimeter, and Euler number. The data of imaging are entered on data reference and database. Theresult shows that identification can be found using perimeter value and Euler number of imaging. Five leucocyte types give 30%prediction of error. The error proves that identification system can identify the types of leucocyte imaging.

leucocytes; perimeter; euler number

ABSTRAK

ABSTRACT

Keywords:

© 2010 Jurusan Fisika FMIPA UNNES Semarang

PENDAHULUAN

Leukosit adalah sel yang membentuk komponendarah. Leukosit ini berfungsi untuk membantu tubuhmelawan berbagai penyakit infeksi sebagai bagian darisistem kekebalan tubuh. Leukosit terdiri dari berbagaimacam bentuk. Berdasarkan bentuknya maka Leukositdibedakan lima jenis, yaitu basofil, eosinofil, neutrofil,limfosit dan monosit. Perbedaan bentuk ini yang melatarbelakangi proses pengenalan pola citra Leukosit denganmetode ekstraksi fitur.

Pengenalan pola citra sel darah dimulai denganmengambil citra sel darah secara digital. Pengambilancitra sel darah ini menggunakan mikroskop digital.Mikroskop digital merupakan mikroskop cahaya yangtelah dimodifikasi dengan kamera digital. Mikroskopdigital akan dihubungkan dengan perangkat lunakkomputer. Perkembangan perangkat lunak komputeryang begitu pesat dan didukung konsep pengenalan poladan teknik pengolahan citra, maka diharapkanidentifikasi Leukosit dapat secara otomatis diperoleh.

Berbagai penelitian berkaitan dengan penelitian seldarah dilakukan seperti pada penelitian Song, dkk (1997)mengusulkan untuk menggabungkan teknik informasikontekstual ke dalam klasifikasi objek. Dalam dunianyata ada kasus di mana identitas obyek disebabkanoleh kebisingan dalam pengukuran ambigu berdasarkan

klasifikasi yang harus dilakukan. Hal ini membantu untukmengurangi ambiguitas dengan memanfaatkaninformasi tambahan disebut sebagai konteks,yangdalam kasus peneltian Song adalah identitas obyek yangmenyertainya. Teknik Song dkk diterapkan untukklasifikasi Leukosit. Perbandingan dibuat terhadap"konteks tidak" yang pendekatannya menunjukkanklasifikasi unggul yang dicapai dengan menggunakankonteks. Proses klasifikasi menunjukkan secarasignifikan mengurangi tingkat alarm palsu dan sangatmengurangi biaya tes.

Hartadi, dkk (2004), menyampaikan laporanpenelitiannya tentang pengamatan dan penghitungan seldarah secara otomatis dengan analisis citra. TujuanHartadi, dkk adalah membuat suatu sistem yang mampumemberikan inovasi-inovasi dengan pengukuranprogram simulasi yang dapat menghitung jumlah seldarah merah, yang terdapat dalam citra digital secaraautomatis. Citra yang akan diolah adalah hasilpemotretan sel darah merah dengan menggunakankamera dan mikroskop khusus, tanpa membahas prosespemotretannya. Perancangan meliputi algoritma mulaidari pembacaan citra digital hingga penghitunganjumlah sel darah merah dalam citra. Analisis citramerupakan salah satu metode dalam pengolahan citradigital.

Menurut Aprilianti (2006), menyampaikan bahwaperkembangan teknologi dunia medis saat ini menuntutkita untuk menciptakan suatu inovasi, demikian halnyadengan metode penghitungan jumlah sel darah merah.Analisis yang dilakukan oleh dokter berdasarkan

*Alamat korespondensi:Pandean Barat 35 RT 03 RW 01 RembangMobile Phone: 081575316312Email: [email protected]

preparat darah tidak selalu sama antara dokter yang satudengan dokter yang lain. Ketelitian dan konsentrasidokter sangat menentukan hasil analisis.

Mahasagentha (2006), melakukan penelitanuntuk menghitung jumlah sel darah merah denganmetode pengolahan citra. Sel darah merah salahsatunya, untuk meneliti atau menghitung jumlah akandiambil sampelnya untuk kemudian diamati, namuntingkat ketelitian seseorang berbeda terutama untukmenghitung jumlah sel darah merah Program simulasipengolahan citra digital eritrosit ini menggunakan citrabiner pada proses pengolahannnya.

Lestari (2008), menyampaikan laporanpenelitiannya yang bertujuan untuk mengenali danmenganalisa penyakit darah Leukimia dengan citradarah menggunakan metode . Prosespengenalan penyakit darah dilakukan dengan beberapaoperasi pengolahan citra. Penelitian yang penelitilakukan diharapkan dapat menambah prosespemeriksaan darah yang selama ini dilakukan.

Tahapan proses identifikasi dan klasifikasiLeukosit dapat digambarkan pada Gambar 1. Gambartersebut menjelaskan tentang rancangan metodepenelitian sistem identifikasi dan klasifikasi Leukosit.

. Rancangan metode penelitian

Persiapan sebelum penelitian adalah denganmengambil satu tetes darah dari pasien. Kemudian,darah diletakkan dalam preparat dan dibuat lapisan tipisagar sel-sel darah tidak saling menumpuk satu sama lain.Sampel darah dikeringkan, kemudian darah ditetesidengan dan dan dikeringkan kembali.Proses selanjutnya, sel darah pada kaca preparat siapdilakukan proses pengambilan citra. Prosespengambilan citra dilakukan dengan menggunakanmikroskop digital. Mikroskop digital ini merupakanmikroskop yang dilengkapi dengan kamera digital jenisprolink. Perbesaran yang dilakukan pada prosespengambilan citra adalah 500 kali. Citra sel darahdiperoleh dengan ukuran citra sebesar (640 x 480) pikseldan disimpan dalam format bitmap (bmp).

Logika Fuzzy

methanol giemsa

METODE

Gambar 1

Sistem identifikasi dan klasifikasi Leukositdibangun dalam penelitian ini dengan menggunakansistem pengolahan citra. Sistem ini akan dapatmengidentifikasi dan mengklasifikasikan Leukosit padamasing-masing jenisnya. Proses mengidentifikasi danmengklasifikasikan Leukosit, sebelumnya akandiperlukan jenis Leukosit yang sudah diketahui labelkelas kategorinya. Label kelas kategori jenis Leukositdiperoleh dari pakar dengan menggunakanperancangan subsistem pakar. Hasil yang diperolehdalam perancangan subsistem pakar berupa data-dataekstraksi fitur. Data-data ekstraksi fitur tersebut disimpandalam database dan berfungsi sebagai data referensi

Gambar 2

HASIL DAN PEMBAHASAN

. Mikroskop digital

Sistem yang akan dirancang berikutnya adalahperancangan subs is tem pengguna ( ) .Perancangan subsistem pengguna ( ) berfungsiuntuk mengidentifikasi dan mengklasifikasikan sampelcitra Leukosit baru. Sampel citra Leukosit baru akandiekstraksi fitur sehingga akan diperoleh data-dataekstraksi fitur. Data-data ekstraksi fitur citra Leukosit barudibandingkan dengan data-data referensi.

Citra Leukosit merupakan hasil dari citrasel darah yang diambil dari kaca preparat denganmenggunakan mikroskop digital. Citra Leukosit ini akandiklasifikasikan dalam lima jenis yaitu

. Kelima jenis citraLeukosit tersebut akan diekstraksi berdasarkan ciribentuk citra. Bentuk masing-masing jenis Leukosit inidapat dibedakan satu dengan lainnya berdasarkanrange nilai dan nya. Sehinggaekstraksi berdasarkan ciri bentuknya dapat digunakanuntuk mengidentifikasi jenis Leukosit.

Subsistem pengguna ( ) dibangun bagipengguna umum untuk dapat mengidentifikasi jenisLeukosit yang akan diuji. Subsistem pakar merupakansubsistem yang digunakan bagi para pakar atau ahlilaborator ium yang dapat menganal isa danmengklasifikasikan jenis Leukosit. Pakar (ahli) ini adalahseseorang yang dapat mengetahui jenis sel-sel darah,dalam hal ini jenis Leukosit. Subsistem pakar berfungsisebagai subsistem yang dapat memasukkan data-databaru jenis Leukosit untuk data referensi.

Data yang diperoleh berupa hasil perhitungan nilaiarea, dan . Nilai tersebutdigunakan untuk mengklasifikasikan jenis Leukosit.Jenis Leukosit diperoleh dengan proses citrasel darah. Kode program sel darah dapat dilihatsebagai berikut:if (Form4.Image1.Picture.Bitmap = nil) thenbeginShowMessage('Ambil dulu citra yang akan diolah');

usersusers

cropping

basofil, neutrofil,monosit, limfosit dan eosinofil

perimeter euler number

users


croppingcropping

134

preprocessing sistem Rancangan subsistem pakar

Rancangan subsistem pengguna ( users)

referensi

pengujianPengumpulan

data citra

Jurnal Pendidikan Fisika Indonesia 6 (2010) 133-137

D. R. Fifin - Pengenalan pola citra leukosit

exit;end;if ((xL= xR) or (yT = yB)) thenbeginxL := 0;yT := 0;xR := Form4.Image1.Picture.Width-1;yB := Form4.Image1.Picture.Height-1;end;if (Form4=nil) thenForm4.Image2.Picture.Bitmap :=Form4.Image1.Picture.Bitmap;Form4.Image2.Top := (Form4.Image1.Top+5);Form4.Image2.Left:=(Form4.Image1.Left+5)+Form4.Image1.Width;Olah;

Sedangkan kode program perhitungan nilai area,dan adalah sebagi berikut:

for kol := 0 to Form4.Image2.Picture.Bitmap.Height-1 dobeginkol1:=kol+1;for brs := 0 to Form4.Image2.Picture.Bitmap.Width-1 dobrs1:=brs;area:=brs1*kol1;for kol := 0 to form4.Image2.Picture.Bitmap.Height-1 dobeginfor brs := 0 to Image2.Picture.Bitmap.Width-1 dobeging := GetgValue(color);b := GetbValue(color);r := GetRValue(color);if (r<>255) and (g<>255) and(b<>255) thenbeginperimeter:=( brs*kol);end;putih:=area-perimeter;euler:=perimeter-putih;

Citra Leukosit yang diambil dalam penelitian iniadalah sebanyak 60 citra sebagai citra referensi. Areacitra dalam penelitian ini adalah 400 piksel. Jenis citraLeukosit mempunyai nilai danyang berbeda-beda. Nilai menunjukkanbanyaknnya piksel citra jenis Leukosit. Sedangkan eulernumber menunjukkan banyaknya piksel yang bukan citradikurangi dengan banyaknya piksel citra.

Jenis Leukosit dapat diekstraksi fiturnyaberdasarkan ciri bentuknya. Ciri-ciri bentuk citra Leukositdapat dilihat berdasarkan range dan

nya.

. Range data perhitungan ciri citra Leukosit.


perimeter euler numberperimeter

perimeter eulernumber

Obyek Referensi

Tabel 1

Range data perhitungan pada Tabel 1 merupakanrange hasil perhitungan dari 60 citra Leukosit danberfungsi sebagai data referensi untuk proses identifikasidan klasifikasi Leukosit. Sedangkan, contoh dataperhitungan pada Gambar 2 merupakan hasil imple-mentasi subsistem pakar dalam database.

Hasil data perhitungan pada Tabel 2 digunakansebagai data referensi yang akan berfungsi untukmemberikan informasi kepada pengguna tentang jenisLeukosit yang akan diuji. Jenis Leukosit yang akan diujimenggunakan implementasi subsistem pengguna( ).

. Tampilan data perhitungan citra Leukositpada database

Tabel 2. Contoh data perhitungan citra sel darah putih

users

Gambar 2

135

Jenis Area perimeter Euler

Basofil 400 14 372

Basofil 400 42 316

Basofil 400 51 298

Basofil 400 54 292

Basofil 400 67 266

Eosinofil 400 99 202





Limfosit 400 135 130





Monosit 400 156 88

Monosit 400 157 86

Monosit 400 168 64

Monosit 400 171 58

Monosit 400 178 44

Neutrofil 400 204 8

Neutrofil 400 213 26




Proses pada implementasi sub-sistem penggunaadalah membandingkan nilai data perhitungan ekstraksifitur citra uji dengan nilai data perhitungan ekstraksi fitur

136

Gambar 3. Tampilan proses tambah data referensi padasubsistem pakar

Pengujian dilakukan pada kelima jenis citraLeukosit. Setiap jenis citra Leukosit uji akan diidentifikasisebanyak 15 kali untuk file citra yang sama. Pengambilandilakukan dengan variasi pada citra sel darah.Citra Leukosit yang diuji sebayak 25 citra. Masing-masing jenis citra Leukosit adalah 5 citra. Contoh hasilpengujiannya dapat dilihat pada Gambar 4. Presentasimasing-masing jenis citra dapat dilihat pada Tabel 3.

cropping

T:\tesis\imagenew\uji\basofil\picture 005

T:\tesis\imagenew\uji\eosinofil\12

T:\tesis\imagenew\uji\limfosit\9

T:\tesis\imagenew\uji\monosit\picture 001

T:\tesis\imagenew\uji\neutrofil\picture 011

Gambar 4. Contoh hasil pengujian citra ujiLeukosit

Proses identifikasi dapat mengalami kesalahan,jika citra Leukosit tersebut dalam prosesmengalami pergeseran nilai piksel. Nilai piksel citraLeukosit dapat dilihat pada nilai dan

nya. Nilai tersebut akan teridentifikasi secaraakurat jika nilai dan citra dalamrange yang ditentukan pada masing-masing jenis citraLeukosit. Jangkauan tersebut memberikan perbedaanciri pada masing-masing jenis Leukosit. Ciri-ciri padamasing-masing jenis citra Leukosit diperoleh denganmengekstraksi fitur citra berdasarkan bentuk citra

cropping



Jurnal Pendidikan Fisika Indonesia 6 (2010) 133-137

D. R. Fifin - Pengenalan pola citra leukosit 137

Leukosit.Kesalahan proses identifikasi dan klasifikasi

diperoleh berdasarkan pengujian citra dengan nilaidan sesuai pada Gambar 4.

Kelima jenis Leukosit memberikan prediksi kesalahansebesar 30 %. Kesalahan ini membuktikan bahwa sistemidentifikasi dan klasifikasi jenis citra Leukosit telahmampu mengidentifikasi dan mengkla-sifikasikan jeniscitra Leukosit.

Penelitian ini, dapat ditarik kesimpulanberdasarkan data-data hasil perhitungan sebagaiberikut:

Pertama, ekstraksi fitur citra pada penelitian iniadalah berdasarkan nilai area, dan

. Proses tersebut dilakukan pada keduasubsistem yaitu subsistem pengguna ( ) dansubsistem pakar.

Kedua, subsistem pakar telah mampu melakukanproses identifikasi dan klasifikasi oleh pakar melalui nilaiperhitungan dari ekstraksi fitur citra. Nilai perhitungantersebut dapat membedakan kelima jenis citra Leukosityaitu .

Ketiga, subsistem pengguna telah mampumemberikan informasi kepada pengguna tentang citraLeukosit uji.

Keempat, kesalahan proses identifikasi danklasifikasi diperoleh berdasarkan range nilaidan pada citra. Kelima jenis Leukositmemberikan prediksi kesalahan sebesar 30 %.Kesalahan ini membuktikan bahwa sistem identifikasidan klasifikasi jenis citra Leukosit telah mampu



users

basofil, limfosit, eosinofil, monosit dan neutrofil

perimetereuler number

PENUTUP

mengidentifikasi dan mengklasifikasikan jenis citraLeukosit.

Aprilianti,L.M., 2006,

. Jurnalonline vol 10, Oktober 2009

Arunkumar, P & Anand S. Deshpande. 2008. A Systemfor Extracting Product Features from CAD Models AStep Approach. .1 (3) : 139 - 146

Hartadi,Diaz.,Sumardi, Isnanto,R.R. 2004. SimulasiPenghitungan Jumlah Sel Darah Merah,Vol.8, No.2, Desember 2004 : 1 – 6

Lestari, D.R.,2008,.

Skripsi. Jakarta: UILior Shamir., John D. Delaney., Nikita Orlov., D. Mark

Eckley., Ilya G. Goldberg. 2010.

. 6 (11): 1 – 10.e1000974

Mahasagentha, I.S. 2006.,

http://sinta.ukdw.ac.id/sinta/resources/sintasrv/nim/22012732, diakses tanggal 20April 2010

Song,X., Mustofa,Y.A., Sill,J., Kasdan, H. 1997.

,

.diakses tanggal 8 Juli 2010

DAFTAR PUSTAKA

Otomatisasi Penghi-tungan Seldarah Merah Berbasis Pengolahan citra Digitaldengan Metode Analisis Warna dan Ukuran Sel

Contemporary Engineering Sciences

Transmisi,

Pengenalan Penyakit Darah denganCitra Darah Menggunakan Metode Logika Fuzzy

Pattern RecognitionSoftware and Techniques for Biologycal ImageAnalysis. PloS Computational Biology

Pengolahan Citra Digital untukPenghi tungan Jumlah Sel Darah Merah

Incorporating Contextual Information in WhiteBloodCell Iden-tification Proceeding NIPS '97 Proceedingsof the 1997 conference on Advances in neuralinformation processing systems 10 ISBN:0-262-10076-2

Mikroskop

Education

Transcript of Mikroskop