Analisa Metode Radial Basis Function Jaringan Saraf Tiruan untuk Penentuan Morfologi Sel Darah Merah (Eritrosit) Berbasis Pengolahan Citra Zulkifli Tahir, Elly Warni, Indrabayu, Ansar Suyuti Laboratorium Kecerdasan Buatan Jurusan Teknik Elektro, Universitas Hasanuddin, Indonesia Abstrak—Sekarang ini tes hematologi atau tes darah merupakan suatu pemeriksaan yang penting untuk mendiagnosa kondisi medis pasien. Tes ini meliputi pemeriksaan jumlah, bentuk dan morfologi sel darah yang hingga saat ini umumnya masih dikerjakan secara manual. Pemeriksaan dengan cara manual ini sudah pasti memiliki tingkat ketelitian dan keakuratan yang rendah karena dilakukan oleh para dokter atau petugas laboratorium kesehatan yang secara manusiawi memiliki kemungkinan tingkat perbedaan identifikasi. Masalah kekurangan pada pemeriksaan hematologi secara manual ini dapat diatasi dengan menciptakan suatu sistem cerdas otomatis dengan bantuan komputer menggunakan jaringan syaraf tiruan. Pada penelitian ini dilakukan analisa terhadap jaringan syaraf tiruan menggunakan metode Radial Basis Function untuk menentukan morfologi sel darah merah (eritrosit). Data citra eritrosit normal dan abnormal berasal dari Lembaga Penelitian ABX dari Montpeller Perancis berjumlah 175 sampel. Citra eritrosit tersebut akan diolah melalui proses akuisisi citra, grayscale, deteksi tepi dan ekstraksi ciri untuk menghasilkan input bagi jaringan syaraf tiruan Radial Basis Function. Penentuan morfologi eritrosit berbasis pengolahan citra dan jaringan syaraf tiruan Radial Basis Function ini memiliki akurasi yang baik dan memuaskan serta memiliki total waktu pemerosesan sistem yang cepat. Kata Kunci—morfologi eritrosit; jaringan syaraf tiruan; radial basis function
I. PENDAHULUAN Tes hematologi atau tes darah merupakan suatu pemeriksaan untuk mengidentifikasi masalah dengan menggunakan berbagai tes darah diagnostik laboratorium klinis untuk mendiagnosa kondisi medis. Beberapa parameter yang diperiksa pada tes hematologi adalah jumlah sel darah dan morfologi normal dan abnormal sel darah. Walaupun pemeriksaan parameter hematologi saat ini telah mengenal suatu alat hitung sel darah otomatik yang lebih dikenal dengan nama Blood Cell Counter atau Automatic Cell Counter, namun untuk pemeriksaan morfologi sel darah masih dikerjakan secara manual. Hal ini menyebabkan kurangnya ketelitian serta keakuratan yang dilakukan oleh para dokter dan petugas laboratorium kesehatan dikarenakan kondisi fisik, pengetahuan, ketelitian dan konsentrasi dokter dan petugas laboratorium kesehatan dapat mempengaruhi pengidentifikasian penyakit sehingga adanya kemungkinan perbedaan identifikasi antara dokter yang satu dan lainnya. Selain itu, jumlah dan jenis kelainan
darah juga dapat menyebabkan banyaknya waktu dan tenaga yang diperlukan dalam proses pengidentifikasian. Kekurangan pada pemeriksaan hematologi secara manual dapat diatasi dengan menciptakan suatu sistem otomatis dengan bantuan komputer. Manusia dengan segala kecerdasan yang dimilikinya berusaha untuk mengadopsi bentuk kecerdasannya ke dalam komputer, maka dikembangkanlah suatu teknologi jaringan syaraf tiruan yang mengadopsi kemampuan manusia dalam melakukan keputusan, atau dengan kata lain sistem tersebut mempunyai kecerdasan buatan (Artificial Intelligent). Istilah buatan di sini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran. Pada penelitian sebelumnya yaitu “Penentuan Morfologi Sel Darah Merah (Eritrosit) berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan”[1] dengan menggunakan metode jaringan syaraf tiruan yang umum dipakai yaitu Backpropagation. Metode Backpropagation[1] tersebut memberikan keakuratan untuk citra latih sebesar 100%, dan untuk citra uji nilai rata-rata keakuratan 78,33 %, dimana nilai tersebut masih perlu ditingkatkan dengan menggunakan metode lain. Oleh karena itu, pada penelitian ini penulis mencoba memberikan alternatif pemecahan masalah dengan metode pembelajaran Radial Basis Function, dimana menurut teorinya akan menghasilkan nilai keakuratan yang lebih tinggi dan waktu iterasi yang lebih cepat dibandingkan dengan Backpropagation. Sehingga diharapkan penelitian ini dapat digunakan untuk membantu pekerjaan para dokter dan pihak laboratorium dalam mengidentifikasi morfologi normal dan abnormal sel darah merah (eritrosit).
II. TINJAUAN PUSTAKA Penelitian ini memiliki tiga teori utama yang disatukan menjadi satu sistem, yaitu fisiologi darah, pengolahan citra dan radial basis function. Fisiologi darah merupakan teori yang mendeskripsikan bentuk, jenis dan morfologi dari darah. Kemudian pengolahan citra merupakan teori untuk mengoneksikan sistem nyata dengan sistem komputer dengan input berupa data citra. Sedangkan radial basis function merupakan salah satu metode dari jaringan saraf tiruan sebagai sistem cerdas. Ketiga teori tersebut akan dijelaskan secara terperinci pada penjelasan selanjutnya.
Forum Pendidikan Tinggi Teknik Elektro Indonesia (FORTEI) 2012 http://fortei2012.ui.ac.id
Darah merupakan bagian dari cairan ekstrasel yang berfungsi untuk mengambil O2 dari paru-paru, bahanbahan nutrisi dari saluran cerna, dan mengangkut hormon dari kelenjar endokrin. Bahan-bahan tersebut diangkut ke seluruh sel dan jaringan, dimana bahan-bahan tersebut akan berdifusi dari kapiler ke jaringan interstitial, masuk ke dalam sel dan selanjutnya akan dipergunakan untuk semua aktifitas sel. Sehingga dapat disimpulkan bahwa darah mempunyai tiga peranan penting yaitu : fungsi transport, fungsi regulasi dan fungsi pertahanan tubuh[2]. Darah terdiri dari tiga jenis unsur sel khusus, eritrosit, leukosit dan trombosit yang terendam dalam cairan kompleks plasma, dimana masing-masing sel ini memiliki fungsi yang saling menunjang dalam melaksanakan kerja dari darah tersebut. Darah berwarna merah karena adanya sel-sel darah merah (eritrosit). Eritrosit berbentuk bulat gepeng yang kedua permukaannya cekung. Eritrosit tidak memiliki inti sel dan mengandung hemoglobin. Hemoglobin (Hb) merupakan protein yang mengandung zat besi. Fungsi hemoglobin adalah untuk mengikat oksigen dan karbondioksida dalam darah. Hemoglobin berwarna merah, karena itu eritrosit berwarna merah. Eritrosit normal kelihatan bundar dengan diameter 7,5 μm dengan ketebalan tepi 2 μm. Dari samping Eritrosit kelihatan berbentuk seperti cakram dengan kedua permukaannya cekung (biconcav disk). Eritrosit disebut juga discocyte karena bentuknya seperti cakram. Tengah-tengah cakram tersebut lebih tipis dengan ketebalan 1 μm. Bentuk biconcav ini menyebabkan hemoglobin terkumpul lebih banyak di bagian tepi sel. Oleh sebab itu, bagian tepi eritrosit kelihatan lebih merah (okisifilik) dari bagian sentralnya. Bagian sentral yang kelihatan lebih pucat disebut akromia sentral yang luasnya antara 1/3-1/2 kali diameter. Dalam mengevaluasi morfologi eritrosit, ada 4 hal yang harus diperlihatkan : 1. bentuknya (shape), 2. ukurannya (size), 3. warnanya (staining), dan 4. struktur intraselluler (structure)[3].
Gambar. 1. Morfologi normal sel darah merah (eritrosit)[3].
Kelainan eritrosit biasanya dinyatakan dengan perubahan ukuran, bentuk, dan warnanya (atau derajat hemoglobin-nya). Beberapa kelainan tersebut antara lain: 1. Kelainan ukuran eritrosit: microsit dan macrosit. 2. Kelainan bentuk eritrosit: hipokromia dan hiperkromik. 3. Kelainan warna eritrosit: Ecchinocytes, Elliptocytes, Poikilocytes, Schistocytes, Sickle cell dan Tear Drop Cell.
Gambar. 2. Kelainan-kelainan pada morfologi eritrosit.
Kelainan-kelainan eritrosit tersebut akan direkam dan dianalisa dalam bentuk pengolahan citra. Pengolahan citra digital merupakan tahap pemrosesan citra menjadi citra yang lain dengan kualitas yang lebih baik, yaitu pemrosesan untuk memanipulasi citra yang telah menjadi gambar lain menggunakan algoritma atau teknik tertentu. Pada tahap pengolahan citra, proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi dimana citra digital terdiri dari barisan bilangan nyata maupun kompleks yang diwakili oleh bitbit tertentu. Ilmu pengenalan pola (pattern recognition) umumnya digunakan untuk mengenali suatu objek dengan cara mengekstraksi informasi penting dalam suatu citra. Pengenalan pola sering digunakan dalam bidang kedokteran, sebagai contoh pemimplementasian sistem untuk mendeteksi diagnosa suatu kelainan dalam tubuh manusia melalui gambar yang dihasilkan oleh suatu gambar scanner [4]. Proses pengenalan pola meliputi akuisisi citra, pembentukan citra grayscale dan deteksi tepi. Akuisisi citra adalah tahap awal untuk mendapatkan citra digital. Tujuan akuisisi citra adalah untuk menentukan data yang diperlukan dan memilih metode perekaman citra. Akuisisi citra digital berarti berusaha mendapatkan citra digital, untuk dijadikan data yang akan diproses. Tahap akuisisi citra bias berupa tahap pemotongan gambar (crop) untuk mendapatkan objek yang akan diproses, resize citra atau mengubah resolusi gambar sesuai kebutuhan pengontrasan citra. Citra grayscale adalah citra yang hanya menggunakan warna pada tingkatan warna abu-abu. Warna abu-abu adalah satu-satunya warna pada ruang RGB dengan komponen merah, hijau dan biru mempunyai intensitas yang sama. Pada citra beraras keabuan hanya perlu menyatakan nilai intensitas untuk tiap piksel sebagai nilai tunggal, sedangkan pada citra berwarna perlu tiga nilai intensitas untuk tiap pikselnya. Deteksi tepi (edge detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyekobyek citra. Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Metode yang banyak
digunakan untuk proses deteksi tepi adalah metode Robert, Prewitt, Sobel dan Canny [5]. Pada penelitian ini metode Canny akan menjadi pilihan. Deteksi Tepian Canny, merupakan pengambilan garis tepi yang dilakukan untuk memudahkan perhitungan parameter-parameter citra nantinya. Tepian citra dapat didefinisikan sebagai piksel yang mengalami perubahan tajam pada skala keabuannya. Tepian akan terlihat sebagai frekuensi tinggi pada spektrum citra, sehingga dapat diekstrak dengan menggunakan filter tertentu dengan meredam bagian frekuensi rendah [7]. Proses terakhir pengenalan pola adalah proses ekstraksi ciri yang merupakan proses mereduksi data menjadi suatu ukuran dimana setiap kotak berisi piksel tertentu dengan tetap mempertahankan keaslian informasi pada data. Selanjutnya didapatkan data yang sesuai dan akan di pergunakan sebagai data input pada Jaringan Saraf Tiruan. Jaringan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia dengan menggunakan program komputer yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut [8]. Pada penelitian sebelumnya yaitu “Penentuan Morfologi Sel Darah Merah (Eritrosit) berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan”[1] peneliti menggunakan metode jaringan syaraf tiruan yang umum dipakai yaitu propagasi balik (Backpropagation). Propagasi balik termasuk ke dalam logaritma belajar supervised (terawasi) karena memberikan pasangan data masukan dan keluaran sebagai pola pelatihan. Logaritma propagasi balik ini mampu menangani masalah pengenalan pola yang kompleks dan melakukan fungsi pemetaan yang nontrival. JST ini dirancang untuk beroperasi sebagai jaringan multilayer dan umpan maju (feedforward). Pada penelitian ini, metode Radial Basis Function akan digunakan. Radial Basis Function adalah model neural network yang mentransformasi input secara nonlinear dengan menggunakan fungsi aktivasi Gaussian pada lapisan unit hidden sebelum diproses linear pada lapisan output. Berguna atau setidaknya suatu jaringan saraf tiruan ditentukan dari hasil pelatihannya yang berupa bobot neuronnya. Radial Basis Function memiliki algoritma pelatihan yang agak unik karena terdiri atas metode supervised dan unsupervised sekaligus, dimana metode supervised merupakan metode yang setiap pola yang diberikan ke dalam jaringannya telah diketahui outputnya. Selisih antara pola output aktual (output yang dihasilkan) dengan pola output yang dikehendaki (output target) yang disebut error digunakan untuk mengoreksi bobot jaringan. Sedangkan metode unsupervised adalah metode yang tidak membutuhkan target output. Pada metode ini tidak dapat ditentukan hasil seperti apakah yang diharapkan selama proses pembelajaran. Kombinasi antara 2 jenis metode ini pada jaringan Radial Basis Function menghasilkan suatu sistem yang handal dalam mengatasi ketidaklinearan sistem itu sendiri.
III. METODE PENELITIAN Metode penelitian secara lengkap dapat dilihat pada gambar dibawah ini:
Gambar. 3. Metode penelitian.
Secara umum, gambar diatas dibagi dalam tiga bagian sebagai berikut: 1. Studi Literatur. Studi literatur yang dilakukan yaitu dengan melakukan studi dari buku-buku pustaka yang bekaitan dengan masalah yang dibahas. 2. Pengambilan Data. Data yang digunakan merupakan hasil pengambilan sampel citra sel darah merah (eritrosit) untuk kondisi normal dan abnormal yang berasal dari lembaga penelitian ABX Montpellier Perancis. 3. Pengolahan dan Analisis Data. Metode pengenalan yang terdiri atas dua bagian yaitu tahap pengolahan citra dan tahap identifikasi menggunakan jaringan syaraf tiruan Radial Basis Function. Hasil identifikasi dibandingkan dengan data aktual dan dengan hasil identifikasi menggunakan metode Backpropagation.
IV. IMPLEMENTASI
Gambar. 4. Arsitektur jaringan syaraf tiruan Radial Basis Function.
Struktur dari jaringan Radial Basis Function yang digunakan dalam penelitian ini menggunakan 3 (tiga) lapisan yaitu lapisan masukan (input layer) sebanyak
2500 neuron, lapisan tersembunyi (hidden layer), dan lapisan keluaran (output layer) sebanyak 1 neuron. Penentuan jumlah neuron pada lapisan tersembunyi dilakukan dengan cara mencoba-coba (trial and error), hingga didapatkan jumlah dengan niai epoch dan waktu yang seminimal mungkin setelah mencapai nilai error yang ditentukan.
Gambar. 5. Tampilan GUI Program.
Radial Basis Function memiliki perbedaan yang cukup signifikan dengan tingkat akurasi pada sistem Backpropagation yaitu sekitar 10%. Bahkan dengan menggunakan Radial Basis Function, tingkat akurasi pada citra uji yang telah dilatihkan dapat mencapai angka 100%, sementara pada Backpropagation hanya mencapai 92,85%. Hal ini dikarenakan kemampuan Radial Basis Function yang sangat baik untuk memproses data yang berjumlah besar, terlebih jika data tersebut telah dilatihkan pada sistem. Perbedaan yang sangat jelas juga terlihat pada besarnya waktu yang dibutuhkan oleh Backpropagation dalam memproses data yaitu sebesar 8,868 detik, sedangkan pada sistem Radial Basis Function hanya diperlukan waktu sebesar 0,849087114 detik. Perbedaan waktu yang cukup besar ini dikarenakan pada penelitian menggunakan jaringan syaraf tiruan Radial Basis Function ini seluruh citra latih yang berjumlah 105 disimpan dalam database dan dilatihkan secara sekaligus sehingga sangat mengefisienkan waktu pemrosesan pada sistem. TABLE I PERBANDINGAN METODE BACK PROPAGATION DENGAN RADIAL BASIS FUNCTION
Pada fase pembuatan sistem, telah dibuat program dengan menggunakan perangkat lunak Matlab 7.7., GUI (Graphical User Interface) program kita tampilkan pada gambar 5.
Gambar. 6. Tampilan Training Program.
Contoh tampilan training program dengan command window dan training window untuk goal = 0,00001; spread =150; dan epoch = 100 diperlihatkan pada gambar 6.
V. HASIL Berdasarkan penelitian penulis sebelumnya dengan judul “Penentuan Morfologi Sel Darah Merah (Eritrosit) berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan” yang menggunakan metode Backpropagation [1], maka diperoleh tabel perbandingan antara metode backpropagation dan radial basis function seperti yang diperlihatkan pada Tabel I. Dari Tabel I dapat dianalisa bahwa tingkat akurasi citra uji yang diperoleh pada penelitian menggunakan
Dari kedua parameter diatas, maka dapat dilihat bahwa penelitian Radial Basis Function telah menunjukkan performa yang lebih baik, ditinjau dari segi akurasi dan waktu pemrosesan data, dibandingkan dengan sistem Backpropagation.
V. KESIMPULAN Dari penelitian ini dapat disimpulkan bahwa ditinjau dari dari segi tingkat akurasi dan waktu pemrosesan, maka jaringan syaraf tiruan Radial Basis Function lebih baik dibandingkan dengan metode Backpropagation dalam mengenali morfologi sel darah merah (eritrosit).
Saran pekerjaan selanjutnya diharapkan adanya pengembangan sistem pengenalan morfologi sel darah merah (eritrosit) sehingga dapat mengenali semua bentuk sel darah merah (eritrosit) walaupun data referensinya berbeda dengan input yang diberikan, dengan menggunakan beberapa metode pengolahan citra (deteksi tepi dan ekstraksi ciri) dan menggabungkan beberapa metode pengenalan pola yang ada, misalnya metode neural network dengan optimasi algoritma genetika. Selain itu juga diharapkan adanya pengembangan sistem pengenalan morfologi sel darah merah (eritrosit) yang ditinjau dari aspek warna dan ukuran untuk mengindikasi suatu penyakit.
REFERENSI [1] Warni, E. (2007) Penentuan Morfologi Sel Darah Merah (Eritrosit) berbasis Pengolahan Citra dan Jaringan Syaraf Tiruan. Thesis, Universitas Hasanuddin. [2] Siregar, H., Yusuf, I. & Gani, A. (1995) Fisiologi Sel dan Cairan Tubuh. Universitas Hasanuddin. [3] Patologi Klinik. (2002) Diktat Hematologi. Universitas Hasanuddin. [4] Munir, R. (2004) Pengolahan Citra Digital. Bandung: Informatika. [5] Gonzalez, R. C. & Woods, R. E. (1992) Digital Image Processing. New Jersey: Prentice Hall. [6] Libor Masek. (2003) Recognition of Human Iris Patterns for Biometric Identification. The University of Western Australia. [7] Nixon, M. S & Aguado, A. S. (2002) Feature Extracton and Image Processing. London: Newnes. [8] Siang, Jong Jek. (2005) Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta: Penerbit Andi.
UCAPAN TERIMA KASIH Penulis ingin mengucapkan terima kasih kepada Quatrine Wahyuni dan Erny Apriany Sylwana atas penyelesaian riset ini. Penulis juga mengucapkan terima kasih kepada Universitas Hasanuddin yang memberikan pendanaan riset melalui program DIPA Fakultas Teknik Universitas Hasanuddin Nomor 2783/UN4.8.2/PL.09/2012.
.
