Klasifikasi Kelainan Bentuk Sel Darah Merah Menggunakan Radial Basis Function Network
vi
ABSTRAK
Dalam mendiagnosis suatu penyakit, selain pemeriksaan secara fisik, analisis
darah merupakan metode yang bisa diandalkan, karena darah memiliki komponen
yang banyak mengandung informasi penting. Pemeriksaan morfologi apusan darah
tepi merupakan salah satu pemeriksaan laboratorium yang sangat penting dan
harus dieavulasi dengan baik. Namun, analisis sel darah merah yang mengalami
kelainan bentuk yang dilakukan oleh seorang analis kesehatan tidak selalu sama
dengan analis yang lain dikarenakan kurangnya faktor ketelitian, konsentrasi, dan
pengetahuan yang kurang memadai. Selain itu, pemeriksaan morfologi apusan
darah tepi masih dilakukan secara manual oleh para analis kesehatan yang dinilai
kurang efisien karena membutuhkan waktu yang banyak. Untuk mengatasi
masalah tersebut, dibutuhkan metode untuk mengklasifikasi jenis sel darah merah
yang mengalami kelainan bentuk akibat dari adanya suatu penyakit. Pada
penelitian ini, digunakan metode radial basis function networksebagai metode
untuk klasifikasi jenis sel darah merah yang tidak normal. Tahap-tahap yang
dilakukan sebelum proses klasifikasi adalah input citra, pra-pengolahan, ekstraksi
fitur menggunakan canny edge detection. Hasil penelitian menunjukkan bahwa
metode yang digunakan mampu melakukan proses klasifikasi sel darah merah
yang tidak normal dengan akurasi sebesar 83,3%.
Kata kunci : radial basis function network, canny edge detection, klasifikasi sel
darah merah.
Universitas Sumatera Utara
vii
DEFORMITY OF RED BLOOD CELLS CLASSIFICATION USING RADIAL
BASIS FUNCTION NETWORK
ABSTRACT
Beside a physical examination, blood analysis is one of methods that can rely on in
diagnosing a disease, because blood has many components that contains important
information. Morphological examination of peripheral blood smear is a laboratory test
that is very important and should be evaluated well. However, analysis of malformed
red blood cells, performed by an analyst is not always same as other analysts due to
lack of precision, concentration, and inadequate knowledge.
In addition,
morphological examination of peripheral blood smear is still performed manually by
analysts and it is inefficient because it requires a lot of time. As a solution regarding
these problems, a method to classify types of deformity of red blood cells is required.
In this reasearch, radial basis function network was used as a classification method of
deformity of red blood cells. The steps taken before the classification were input the
image of deformity of red blood cells, pre-processing, and feature extraction using
canny edge detection. The result showed that the proposed method was able to
perform the classification of deformity of red blood cells achieved 83.3% accuracy.
Keyword : radial basis function neural network, canny edge detection, classification of
red blood cells.
Universitas Sumatera Utara
ABSTRAK
Dalam mendiagnosis suatu penyakit, selain pemeriksaan secara fisik, analisis
darah merupakan metode yang bisa diandalkan, karena darah memiliki komponen
yang banyak mengandung informasi penting. Pemeriksaan morfologi apusan darah
tepi merupakan salah satu pemeriksaan laboratorium yang sangat penting dan
harus dieavulasi dengan baik. Namun, analisis sel darah merah yang mengalami
kelainan bentuk yang dilakukan oleh seorang analis kesehatan tidak selalu sama
dengan analis yang lain dikarenakan kurangnya faktor ketelitian, konsentrasi, dan
pengetahuan yang kurang memadai. Selain itu, pemeriksaan morfologi apusan
darah tepi masih dilakukan secara manual oleh para analis kesehatan yang dinilai
kurang efisien karena membutuhkan waktu yang banyak. Untuk mengatasi
masalah tersebut, dibutuhkan metode untuk mengklasifikasi jenis sel darah merah
yang mengalami kelainan bentuk akibat dari adanya suatu penyakit. Pada
penelitian ini, digunakan metode radial basis function networksebagai metode
untuk klasifikasi jenis sel darah merah yang tidak normal. Tahap-tahap yang
dilakukan sebelum proses klasifikasi adalah input citra, pra-pengolahan, ekstraksi
fitur menggunakan canny edge detection. Hasil penelitian menunjukkan bahwa
metode yang digunakan mampu melakukan proses klasifikasi sel darah merah
yang tidak normal dengan akurasi sebesar 83,3%.
Kata kunci : radial basis function network, canny edge detection, klasifikasi sel
darah merah.
Universitas Sumatera Utara
vii
DEFORMITY OF RED BLOOD CELLS CLASSIFICATION USING RADIAL
BASIS FUNCTION NETWORK
ABSTRACT
Beside a physical examination, blood analysis is one of methods that can rely on in
diagnosing a disease, because blood has many components that contains important
information. Morphological examination of peripheral blood smear is a laboratory test
that is very important and should be evaluated well. However, analysis of malformed
red blood cells, performed by an analyst is not always same as other analysts due to
lack of precision, concentration, and inadequate knowledge.
In addition,
morphological examination of peripheral blood smear is still performed manually by
analysts and it is inefficient because it requires a lot of time. As a solution regarding
these problems, a method to classify types of deformity of red blood cells is required.
In this reasearch, radial basis function network was used as a classification method of
deformity of red blood cells. The steps taken before the classification were input the
image of deformity of red blood cells, pre-processing, and feature extraction using
canny edge detection. The result showed that the proposed method was able to
perform the classification of deformity of red blood cells achieved 83.3% accuracy.
Keyword : radial basis function neural network, canny edge detection, classification of
red blood cells.
Universitas Sumatera Utara