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
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
PERSETUJUAN
Judul : SISTEM UNTUK MENGKLASIFIKASIKAN BENTUK SEL DARAH MERAH NORMAL DAN ABNORMAL DENGAN METODE SELF-ORGANIZING MAP (SOM)
Kategori : SKRIPSI
Nama : FANNY SARI WULANDARI
Nomor Induk Mahasiswa : 091402104
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
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
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
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
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 self-organizing 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%.
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 %.
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 6
2.1 Sel Darah Merah 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
2.2 Pengolahan Citra Digital 8
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
2.2.7 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 Analisis Sistem 16
3.2.1 Blok diagram sistem 16
3.3 Perancangan sistem 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 30
4.1 Implementasi Sistem 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
x
DAFTAR GAMBAR
Halaman
Gambar 2.1 Sel darah merah normal 6
Gambar 2.2 Jenis sel darah merah abnormal 7
Gambar 2.3 Arsitektur jaringan syaraf kohonen 13
Gambar 3.1 Sel darah merah normal dan abnormal 15
Gambar 3.2 Diagram blok sistem identifikasi sel darah merah normal dan abnormal
16
Gambar 3.3 Proses citra grayscale 17
Gambar 3.4 Proses thresholding citra sel darah merah 17
Gambar 3.5 Proses erosi citra sel darah merah 18
Gambar 3.6 Proses dilasi citra sel darah merah 18
Gambar 3.7 Ekstraksi ciri menggunakan metode momen invariant dan roundness
19
Gambar 3.8 Flowchart SOM 20
Gambar 3.9 Use case diagram sistem 22
Gambar 3.10 Diagram aktivasi proses pengenalan citra sel darah merah 24 Gambar 3.11 Diagram aktivasi proses latih jaringan 25 Gambar 3.12 Rancangan antarmuka sistem pengenalan sel darah merah 25
Gambar 3.13 Tampilan halaman utama sistem 26
Gambar 3.14 Tampilan halaman tambah data latih 28
Gambar 4.1 Halaman awal 31
Gambar 4.2 Halaman pengenalan 32
Gambar 4.3 Tampilan sel abnormal 32
Gambar 4.4 Halaman tambah data latih 33
Gambar 4.5 Citra uji 1 47
Gambar 4.6 Hasil citra uji ke-2 48
Gambar 4.7 Hasil citra uji ke-3 50
Gambar 4.8 Hasil citra uji ke-4 51
DAFTAR TABEL
Halaman
Tabel 2.1 Penelitian Terdahulu 14
Tabel 3.1 Usecase spesifikasi proses pengenalan citra 22 Tabel 3.2 Usecase spesifikasi proses tambah data latih 23 Tabel 4.1 Parameter pelatihan identifikasi sel darah merah 33
Tabel 4.2 Data Latih atau data acuan 34
Tabel 4.3 Hasil uji pada gambar 4.5 47
Tabel 4.4 Hasil uji pada gambar 4.6 48
Tabel 4.5 Hasil uji pada gambar 4.7 50
Tabel 4.6 Hasil uji pada gambar 4.8 52
Tabel 4.7 Hasil uji pada gambar 4.9 53
Tabel 4.8 Persentase tingkat keakuratan pada gambar sel darah merah
