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 2.2.6
Dilasi 9
Universitas Sumatera Utara
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
DAFTAR PUSTAKA 57
Universitas Sumatera Utara
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 Gambar 4.9 Hasil citra uji ke-5
52
Universitas Sumatera Utara
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 53
Universitas Sumatera Utara
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.
Kata kunci: self-organizing map, sel darah merah, pengolahan citra digital
Universitas Sumatera Utara
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
BAB 1 PENDAHULUAN