SENTER 2020, 25 November 2020, pp. 11-19
ISBN: 978-602-60581-2-6 11
ID: 02
Aplikasi Telepon Cerdas untuk Pendeteksi Golongan Darah Menggunakan
Metode Pengklasifikasi Citra
Smartphone Application of Blood Type Detection using Image Classifier
Method
Denny Darlis1, *, Aris Hartaman1, Septiana Dwika Pangestu1
1
D3 Teknologi Telekomunikasi, Universitas Telkom Jl. Telekomunikasi, Terusan Buah Batu, Bandung, 40257
denny.darlis@tass,telkomuniversity.ac.id1*, arishartaman@tass.telkomuniversity.ac.id1, dwikapangestu12@gmail.com1
Abstrak – Darah merupakan komponen penting yang terdapat dalam tubuh, karena darah memiliki banyak manfaat untuk menunjang kehidupan bagi manusia. Dikarenakan sangat penting, darah memiliki beberapa fungsi yaitu sebagai zat pengangkut, menjaga sistem kekebalan tubuh, dan menjaga keseimbangan tubuh. Darah di setiap individu tidak sama, perbedaan golongan darah di kelompokan dalam beberapa tipe yaitu A, B, O dan AB. Di setiap tipe darah memiliki karakteristik yang berbeda. Golongan darah yang di miliki seseorang tidak hanya sekedar menjadi identitas diri, beberapa orang tidak peduli dengan golongan darahnya, bahkan ada yang tidak mengetahui apa golongan darahnya sendiri. Berdasarkan permasalahan tersebut, padapenelitian ini di rancang sebuah aplikasi yang dapat mendeteksi golongan darah hanya dengan sebuah handphone. pengolahan citra yang dilakukan menggunakan image classifier agar mempermudah untuk di deteksi darah yang telah menggumpal Ketika diberi serum di setiap masing-masing tipe darah. Pada pengujian aplikasi ini menghasilkan keakuratan yang berbeda di setiap tipe darah, pada saat pengujian di dapatkan nilai ke akuratan yang terbaik pada tipe darah A dan yang terburuk pada tipe darah B.
Kata Kunci: Aplikasi Android, Golongan Darah, Pengklasifikasi Citra
Abstract – Blood is an important component found in the body, because blood has many benefits to support life for humans. If you don't have blood, your body will experience various types of health problems and most likely can cause death. Because it is very important, blood has several functions, namely as a transport substance, maintaining the immune system, and maintaining body balance. Blood in each individual is not the same, different blood groups are grouped into several types, namely A, B, O and AB. Each blood type has different characteristics. The blood type that a person has is not just a personal identity, some people don't care about their blood type, some don't even know what their own blood type is. Based on these problems, in this final project an application is designed that can detect blood type with just a cellphone. Image processing is done using the image classifier to make it easier to detect blood that has clotted when given serum in each blood type. In testing this application produces different accuracy for each blood type, when testing the best accuracy for blood type A and the worst for blood type B.
Keywords: Blood Type, Image Classifier Method, Image Processing.
1. Pendahuluan
Teknologi yang berkembang pesat dan secara perlahan perubahan tersebut mempengaruhi segala aspek kehidupan manusia. Dengan pesatnya perkembangan ilmu pengetahuan dan teknologi informasi yang di setiap saat semakin bertumbuh dan berkembang melalui suatu
ISBN: 978-602-60581-2-6
media komputer ataupun smartphone yang digunakan sebagai alat pengembangannya, dan akan mempermudah orang untuk melakukan aktivitas terutama di bidang kesehatan yang kini sangat di butuhkan untuk kebutuhan pengecekan identitas kesehatan seperti golongan darah.
Berdasarkan standar kesehatan dunia (WHO), jumlah kebutuhan minimal darah di Indonesia sekitar 5,1 juta kantong darah pertahun. Padahal produksi darah dan komponennya saat ini baru sebanyak 4,1 juta kantong dari 3,4 juta donasi. Artinya Indonesia defisit 1 juta kantong darah. Tidak banyak masyarakat di Indonesia yang mendonorkan darahnya ataupun yang mengetahui golongan darahnya oleh karena itu di Indonesia pada tahun 2016 sebanyak 28% penyebab kematian oleh ibu yaitu diakibatkan oleh pendarahan dan hal ini bisa diatasi atau dicegah jika semakin banyak pendonor darah sukarela yang secara rutin mendonorkan darahnya. Dikarenakan masih banyak masyarakat Indonesia tidak mengetahui golongan darahnya maka pada saat pembuatan kartu tanda penduduk diwajibkan untuk mengisi data golongan darah.
Untuk itu pada penelitian ini dibuat sebuah aplikasi yang membantu pihak bersangkutan untuk melakukan pendataan golongan darah dengan menggunakan aplikasi yang berbasis android. Metode yang digunakan pada pembuatan penelitian ini adalah image classifier yang digunakan untuk pengolahan citra darah. Dan penelitian ini akan menganalisis hasil keakuratan pendeteksian citra darah yang digunakan berdasarkan golongannya.
2. Metode Penelitian
Perancangan aplikasi ini menggunakan platform MIT App Inventor yang sekaligus dapat melakukan proses pengolahan citra dengan fitur personal image classifier yang dapat mendeteksi darah. Kamera pada aplikasi melakukan pengambilan gambar pada sampel darah yang kemudian hasilnya akan di tampilkan pada tampilan akhir aplikasi.
Model dataset merupakan sebuah file yang berisi beberapa citra darah yang telah dilakukan pengolahan citra melalui website yang disediakan oleh MIT App Inventor pada website tersebut memiliki beberapa tahapan sebagai berikut:
a. Pembuatan Label dan Import Citra Darah.
Pembuatan label dilakukan untuk memberi nama kepada setiap kumpulan citra yang akan diproses pada tahap berikutnya, penulis membuat 4 label yaitu Darah A, Darah B, Darah O, dan Darah AB. Pada setiap label yang telah diberi nama dilakukan import citra darah di setiap label yang sesuai.
b. Pembuatan File Model
Pembuatan model merupakan tahapan yang menentukan tahapan proses citra yang akan diolah dengan beberapa layer yaitu convolution layer, max pooling layer, dan full connected layer.
c. Penambahan Testing Data
Pada tahap ini merupakan tahapan yang dimana data citra yang telah diproses dengan beberapa layer akan dilakukan pengujian kecocokan dengan data citra yang berbeda dengan citra yang pertama.
d. Menampilkan Hasil Train
Tahap ini merupakan tahap akhir dalam pembuatan model. Hasil dari data citra yang telah mengalami proses dan telah melalui proses pengujian kecocokan akan muncul pada tahap ini. Data hasil bisa dilihat dengan 2 tipe yaitu dalam bentuk label correctness dan confident graph. Pada bagian ini menjelaskan tentang antar muka dan mejelaskan fungsi-fungsi dari setiap tombol.
ISBN: 978-602-60581-2-6
Tabel 1 Tampilan Hasil Perancangan Aplikasi
Tampilan Aplikasi Penjelasan Halaman Aplikasi
Halaman utama menampilkan 3 buah menu yang memiliki beberapa fungsi yaitu untuk melanjutkan ke tampilan selanjutnya, untuk mengetahui identitas dari pembuat, dan untuk mengetahui cara menggunakan aplikasi tersebut.
Halaman informasi pengembang berisi tentang identitas pembuat aplikasi, dan terdapat sebuah tombol back yang berfungsi untuk kembali ke tampilan menu awal.
ISBN: 978-602-60581-2-6
Tampilan menu ini menampilkan tata cara menggunakan aplikasi, dan terdapat sebuah tombol yaitu back yang berfungsi untuk kembali ke tampilan menu utama.
Pada menu ini menampilkan halaman pengisian biodata yang akan di tampilkan pada tampilan akhir dan sebagai pendataan pada google spreadsheet. Pada halaman ini memiliki beberapa komponen yaitu seperti text box yang berfungsi untuk mengisikan data pribadi pengguna, date picker berfungsi untuk pengisian tanggal lahir pengguna, dan terdapat dua buah tombol yaitu next untuk kembali ke halaman utama dan upload untuk menyimpan data pengguna.
Pada halaman menu scan berfungsi untuk melakukan pedeteksian darah. Terdapat 3 buah tombol yaitu tombol ambil gambar yang dimana tombol tersebut berfungsi untuk menghubungkan kamera smartphone dengan aplikasi, tombol back untuk kembali ke halaman sebelumnya dan tombol next untuk melanjutkan ke halaman berikutnya. Selain tombol terdapat sebuah label yang berfungsi untuk menampilkan hasil scan berupa tingkat keakuratan dari masing-masing sampel darah.
ISBN: 978-602-60581-2-6
Pada tampilan menu hasil yang berfungsi untuk menampilkan data diri yang telah diisi di halaman menu biodata dan data hasil darah terdapat 2 buah tombol yaitu tombol info about bloods yang berfungsi untuk mengetahui sifat-sifat dari berbagai tipe golongan darah dan tombol exit untuk keluar dari aplikasi.
Tampilan menu fitur ini merupakan tampilan yang berisi 5 buah tombol yang di setiap tombol mempunyai tampilan masing-masing yang membahas tentang sifat-sifat dari setiap golongan darah, dan terdapat tombol back untuk kembali ke halaman sebelumnya.
3. Hasil dan Pembahasan
3.1 Pengujian Pertama Dengan Jarak 10 cm
Pada pengujian pertama merupakan hasil pengujian dari jumlah citra darah yang di gunakan untuk train model sebanyak 160 data citra, hasil yang didapatkan pada percobaan 1 dengan jarak 10 cm untuk golongan darah A terdeteksi 12 sampel, golongan darah B terdeteksi 4 sampel, golongan darah O terdeteksi 7 sampel, dan golongan darah AB terdeteksi 6 sampel.
ISBN: 978-602-60581-2-6
Gambar 1 Grafik Hasil Pengujian Pertama 3.2 Pengujian Kedua Dengan Jarak 20 cm
Pada pengujian kedua merupakan hasil pengujian dari jumlah citra yang digunakan untuk train model sebesar 160 dengan jarak 20 cm, dibandingkan dengan pengujian sebelumnya golongan darah O kali ini sangatlah tidak bisa terdeteksi di karenakan jarak memperngaruhi tingkat ke akurasian pada sampel yang di diteksi, begitu pun tingkat ke akurasian pada sampel golongan darah A dan B menjadi cukup buruk.
Gambar 2 Grafik Hasil Pengujian kedua 3.3 Pengujian Ketiga Dengan Jarak 10 cm
Pada pengujian ketiga merupakan hasil pengujian dari jumlah citra yang digunakan untuk train model sebesar 160 data citra, namun pengujian kali ini menggunakan data citra yang di inputkan berbeda dengan data citra yang diinputkan sebelumnya. Untuk golongan darah yang tingkat ke akurasiannya tinggi yaitu pada golongan darah A dan pada golongan darah AB memiliki tingkat akurasi yang cukup buruk.
ISBN: 978-602-60581-2-6
3.4 Pengujian Keempat Dengan Jarak 10 cm
Pada pengujian keempat merupakan pengujian yang menggunakan data citra yang diinputkan sama dengan pengujian ke tiga namun pada pengujian kali ini jarak yang di gunakan sepanjang 20 cm, dari pengujian ini mendapatkan hasil tingkat ke akurasian yang tinggi yaitu golongan darah B sedangkan pada golongan darah O sama sekali tidak terdeteksi.
Gambar 4 Grafik Hasil Pengujian keempat 3.2 Analisis Hasil Percobaan
Pada gambar 5 merupakan hasil perbandingan dari pengujian yang menggunakan jarak yang sama yaitu 10 cm dapat di lihat hasil nilai citra yang terdeteksi yang terbesar yaitu pada golongan darah A, namun pada golongan darah B dan AB mendapatkan hasil yang sangat minim untuk terdeteksi hal ini karenakan kurangnya jumlah data citra yang diinputkan agar dapat terdeteksi dengan baik.
Gambar 5 Grafik Seluruh Hasil Pengujian Dengan Jarak 10 cm
Pada gambar 6 dapat dilihat hasil perbandingan pengujian yang menggunakan jarak 20 cm di dapatkan nilai ke akurasian pada golongan darah O sama sekali tidak dapat terdeteksi oleh aplikasi hal ini dapat disimpulkan bahwa jarak sangatlah berpengaruh bagi tingkat ke akurasian pada tiap masing-masing golongan darah.
ISBN: 978-602-60581-2-6
Gambar 6 Grafik Seluruh Hasil Pengujian Dengan Jarak 20 cm 4. Kesimpulan
Berdasarkan hasil perancangan, pengujian dan analisa yang telah dilakukan maka dapat diambil beberapa kesimpulan bahwa pada aplikasi berkerja dengan baik dengan menambah fitur-fitur tambahan yang akan membantu bagi pihak-pihak yang akan menggunkan aplikasi Blood Detection. Berdasarkan hasil pengujian dengan melakukan percobaan sebanyak 4 kali di dapatkan hasil yang terbaik yaitu pada percobaan kesatu dengan jumlah data citra yang digunakan sebanyak 160 dan jarak 10 cm karena jarak sanagat memperngaruhi nilai hasil akurasi yang didapat.
Untuk meningkatkan akurasi pendeteksian, terdapat beberapa metode lain yang dapat diujicobakan seperti deteksi tepi, algoritma genetika dan jaringan syarat tiruan yang sedan tren saat ini.
Ucapan Terima Kasih
Kami mengucapkan terima kasih yang sebesar-besarnya kepada program studi D3 teknologi Telekomunikasi serta Direktorat Penelitian dan Pengabdian Masyarakat Universitas Telkom yang telah memfasilitasi penelitian ini.
Referensi
[1] K. Fitryadi, "Pengenal Jenis Golongan Darah Menggunakan Jaringan Syaraf Tiruan Perceptron," vol. 7, no. 1, 2017.
[2] K. Fukushima, "Neocognitron: A Self-Organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position," Biological Cybernetics, 1980. [3] Z. A. Fikriya, M. I. Irawan and Soetrisno, "Implementasi Extreme Learning Machine untuk
Pengenalan Objek Citra Digital," J. SAINS DAN SENI ITS, vol. 6, no. 1, 2017.
[4] A. Oktari and N. Silvia, "Pemeriksaan Golongan Darah Sistem ABO Metode Slide dengan Reagen Serum Golongan Darah A, B, O," J. Teknol. Lab, vol. 5, no. 2, pp. 49-54, 2016. [5] Abeywardena and I. Sudeera, Educational App Development Toolkit for Teachers and
Learners, Canada: COMMONWEALTH OF LEARNING, 2015.
[6] H. Supriyono, A. N. Saputra, E. Sudarmilah and R. Darsono, "RANCANG BANGUN APLIKASI PEMBELAJARAN HADIS," vol. 8, no. 22, 2014.
[7] W. Suartika, Wijaya, A. Yudhi, Soelaiman and Rully, "Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) pada Caltech 101," J. Tekno. ITS, vol. 5, no. 1, 2015. [8] J. T. Springenberg, A. Dosovitskiy and T. B. a. M. Riedmiller, Striving For Simplicity: The
ISBN: 978-602-60581-2-6
[9] Soetrisno, Z. A. Fikriya and M. I. Irawan, "Implementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital," SAINS DAN SENI ITS, vol. 6, 2017.
[10] Billy, I. Kuswardayan and W. N. Khotimah, "Implementasi Artificial Intelligence pada Game Defender of Metal City dengan Menggunakan Finite State Machine," TEKNIK POMITS, vol. 6, 2017.
[11] Andryanto, "Pengenalan Penyakit Darah Pada Citra Darah Menggunakan Logika Fuzzy," J. Ilm. Teknol. Inf. Asia, vol. 5, no. 2, 2011.
