bab ii - 30 november 2014.docx

26
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait Terdapat beberapa penelitian terkait tentang klasifikasi golongan darah yang telah dilakukan sebelumnya. Fathima (2013) dalam penelitiannya yang berjudul “ Classification of Blood Types by Microscope Color Image” , menggunakan metodologi sistem semi otomatis untuk penggolongan darah dengan Microscope color Image. Pra- pengolahan terhadap gambar darah dilakukan dengan mengkonversi RGB ke HSI. Pada penelitian ini, penggolongan darah ABO dan Rh diklasifikasn dengan metode Support Vector Machine. Ferraz, Soares, dan Carvalho (2013) melakukan penelitian tentang penggolongan darah dengan judul penelitian “ A prototype for Blood Typing Based on Image Processing”. Penelitian ini mengusulkan metodologi baru dalam penggolongan darah berdasarkan plate test dan teknik Image Processing untuk menentukan penggumpalan II-1

Upload: ari-ejawinata-ginting

Post on 10-Nov-2015

29 views

Category:

Documents


5 download

TRANSCRIPT

II-17

BAB IITINJAUAN PUSTAKA2.1. Penelitian TerkaitTerdapat beberapa penelitian terkait tentang klasifikasi golongan darah yang telah dilakukan sebelumnya. Fathima (2013) dalam penelitiannya yang berjudul Classification of Blood Types by Microscope Color Image , menggunakan metodologi sistem semi otomatis untuk penggolongan darah dengan Microscope color Image. Pra-pengolahan terhadap gambar darah dilakukan dengan mengkonversi RGB ke HSI. Pada penelitian ini, penggolongan darah ABO dan Rh diklasifikasn dengan metode Support Vector Machine. Ferraz, Soares, dan Carvalho (2013) melakukan penelitian tentang penggolongan darah dengan judul penelitian A prototype for Blood Typing Based on Image Processing. Penelitian ini mengusulkan metodologi baru dalam penggolongan darah berdasarkan plate test dan teknik Image Processing untuk menentukan penggumpalan darah (aglutinasi) antara sampel darah dan reagen. Metode yang digunakan untuk pengenalan yaitu Pattern Matching dan Geometric Matching. Epiphanias (2012) dalam penelitiannya juga mengembangkan perangkat lunak untuk mengidentifikasi golongan darah dengan judul penelitian Identifikasi Golongan Darah ABO Manusia Menggunakan Algoritma Backpropagation. Penelitian ini memfokuskan identifikasi golongan darah menggunakan Jaringan Syaraf Tiruan metode Backpropagatio.Terdapat juga beberapa penelitian terkait tentang penggunaan Jaringan Syaraf Tiruan metode Self-Organizing Maps yang telah dilakukan sebelumnya. Chi, Wu, dan Yan (1995) dalam penelitiannya yang berjudul Handwrriten Numeral Recognition Using Self-Organizing Maps and Fuzzy Rules. Penelitian ini bertujuan mengenali tulisan tangan berupa angka dengan menggunakan Self-Organizing Maps yang digabungkan dengan Fuzzy. Masukan dari penelitian ini berupa image tulisan tangan berupa angka yang kemudian dilakukan pengolahan citra.Prieto dan Allen (2009) melakukan penelitian untuk mendeteksi dan mengenali rambu-rambu jalan. Inputan dari penelitian ini berupa gambar rambu jalan yang kemudian akan dilakukan analisis untuk menemukan rambu jalan yang potensial berdasarkan piksel berwarna merah setelah itu akan dideteksi dan dikenali menggunakan Self-Organizing Maps. Penelitian tentang Self-Organizing Maps juga dilakuakan untuk pengenalan wajah oleh Anggraini (2014). Dalam penelitian ini digunakan Principal Component Analysis untuk ekstraksi ciri dari gambar yang kemudian akan dikelompokan menggunakan Self-Organizing Maps.

2.2. Landasan Teori2.2.1. DarahDarah merupakan cairan di dalam tubuh seluruh makhluk hidup (kecuali tumbuhan) yang berfungsi mengirimkan zat-zat dan oksigen yang dibutuhkan jaringan tubuh. Dalam tubuh manusia darah berfungsi untuk mengangkut oksigen yang dibutuhkan oleh seluruh sel di dalam tubuh. Selain itu darah juga menyuplai nutrisi ke seluruh jaringan tubuh, mengangkut sisa-sisa zat metabolisme, dan mengandung zat penyusun imun yang bertujuan untuk mempertahankan tubuh dari berbagai penyakit. Menurut Brooker (2008), darah manusia adalah cairan jaringan tubuh yang terdiri dari cairan kuning pucat, plasma yang mengandung suspensi sel darah merah atau eritrosit, sel darah putih atau leukosit, dan trombosit darah. Serum darah atau plasma terdiri atas 91% air, 8% protein, 0,9% mineral (natrium klorida, natrium bikarbonat, garam dari kalsium, fosfor, kalium dan zat besi, nitrogen dll) dan garam.Perbedaan jenis karbohidrat dan protein pada permukaan sel darah merah yang menentukan perbedaan jenis-jenis ciri darah pada setiap individu. Oleh sebab itu, darah memiliki penggolongan untuk mengklasifikasikan jenis-jenis darah berdasarkan karakteristik yang unik dari setiap golongan darah. Saat ini terdapat 29 macam cara untuk menggolongkan darah (Stedman, 2005). Sistem penggolongan darah ABO dan Rh merupakan cara untuk menggolongkan jenis darah pada tugas akhir ini.Setiap manusia mempunyai golongan darah, yang merupakan pengelompokan darah berdasarkan antigen dan antibodi. Antigen berada pada permukaan sel darah merah dan antibodi berada pada plasma darah (Daniels, 2002). Golongan darah adalah ciri khusus darah dari suatu individu karena adanya perbedaan jenis karbohidrat dan protein pada permukaan membran sel darah merah (Watson, 2002). Dua jenis penggolongan darah yang paling penting adalah penggolongan ABO dan Rhesus (Brooker, 2008).Transfusi darah harus dilakukan sesuai dengan golongan darah dari penerima donor. Transfusi darah dari golongan yang tidak kompatibel dapat menyebabkan reaksi transfusi imunologis yang berakibat anemia hemolisis, gagal ginjal, syok, bahkan kematian (Wong, 2008).Darah harus ditetesi dengan reagen (antigen) sehinggga terjadi pola penggumpalan pada darah. Reagen merupakan cairan kimia yang digunakan utuk menentukan golongan darah. Berikut merupakan jenis reagen :1. Reagen A merupakan reagen untuk menentukan golongan darah B. Apabila darah ditetesi dengan reagen A terjadi penggumpalan maka golongan darah B. Gumpalan-gumpalan darah yang timbul disebabkan oleh reaksi pembentukan antibodi terhadap antigen A.2. Reagen B merupakan reagen untuk menentukan golongan darah A. Jika darah ditetesi dengan reagen B dan terjadi penggumpalan, maka darah digolongkan sebagai A. Gumpalan-gumpalan darah yang timbul disebabkan oleh reaksi pembentukan antibodi terhadap reagen B.3. Reagen AB merupakan reagen untuk menentukan golongan darah AB. Jika darah ditetesi dengan reagen AB dan terjadi penggumpalan, maka darah digolongkan sebagai AB. Gumpalan-gumpalan darah yang timbul disebabkan oleh reaksi pembentukan antibodi terhadap reagen A dan reagen B.4. Reagen rhesus digunakan untuk menentukan rhesus darah. Jika darah ditetesi oleh cairan reagen dan terjadi penggumpalan, maka rhesus darah positif. Sedangkan jika tidak terjadi penggumpalan maka rhesus darah negatif.

2.2.2. Pengolahan CitraCitra merupakan sebuah representasi (gambaran), kemiripan, atau tiruan dari sebuah objek. Sebuah citra juga dapat didefinisikan sebagai fungsi dua dimensi f(x,y) dimana x dan y adalah koordinat spasial dan amplitude f pada setiap pasang (x,y) disebut intensitas citra pada titik tersebut.Pengolahan citra digital atau image processing merujuk kepada pengolahan citra dengan menggunakan komputer. Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi virtual (Ginting, 2009). Pengolahan citra dimulai dengan satu citra dan akan menghasilkan versi modifikasi dari citra itu sendiri (Shih, 2010). Pengolahan citra adalah suatu metode atau teknik yang dapat digunakan untuk memproses citra atau gambar dengan cara memanipulasinya menjadi data gambar yang diinginkan untuk mendapat informasi tertentu (Heriyanto, 2005).Pengolahan citra lebih menekankan pada transformasi citra dan dalam hal peningkatan efek visual dari citra itu sendiri (Kaur dan Balwinder, 2011). Hal itu berarti bahwa teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain dimana masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukan. Contoh operasi pemrosesan citra : mengubah ukuran citra, menghitung histogram dari suatu citra, mengubah tingkat kecerahan, serta komposisi (menggabungkan dua citra atau lebih). Pengolahan citra mempunyai dua tujuan utama , yaitu :1. Memperbaiki kualitas citra yaitu citra yang dihasilkan dapat menampilkan informasi secara jelas sehingga dapat diinterpretasikan oleh manusia.2. Mengekstraksi informasi ciri yang menonjol pada suatu citra dimana hasilnya berupa informasi citra yang bisa didapat manusia secara numerik atau dengan kata lain komputer melakukan interpretasi terhadap informasi yang ada pada citra melalui nilai-nilai data yang dapat dibedakan secara jelas.Citra digital dapat diwakili oleh sebuah matriks yang terdiri dari M kolom dan N baris, dimana perpotongan antara kolom dan baris disebut piksel (piksel = picture element) yaitu elemen terkecil dari sebuah citra. Nilai yang terdapat pada koordinat (x,y) adalah f(x,y), yaitu besar intensitas atau warna dari piksel di titik itu. Oleh sebab itu, sebuah citra digital dapat ditulis dalam bentuk matriks berikut.

Gambar II-1 Representasi Citra dalam Bentuk Matriks2.2.2.1. Citra KeabuanSistem pengolahan citra pertama pada penelitian ini adalah mengkonversi citra masukan menjadi citra grayscale (keabuan). Grayscale merupakan proses pengolahan citra dengan cara mengubah nilai-nilai piksel awal citra menjadi sebuah citra keabuan. Transformasi ini bertujuan untuk meningkatkan kontras pada citra, sehingga informasi-informasi pada citra tersebut dapat lebih terlihat (Shih, 2010).Citra keabuan merupakan citra yang hanya menggunakan warna yang merupakan tingkatan warna abu-abu. Tingkat keabuan disini merupakan warna abu-abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Warna abu-abu adalah satu-satunya warna pada ruang RGB dengan komponen merah, hijau, dan biru mempunyai intensitas yang sama (Abiyanto, Imam, dan Ajub, 2007). Citra ini pada setiap pikselnya mengandung satu layer dimana nilai intensitasnya berada pada interval 0-255, sehingga nilai-nilai piksel pada citra keabuan tersebut dapat direpresentasikan dalam sebuah matriks yang dapat memudahkan proses perhitungan pada operasi berikutnya. Secara matematis, perhitungan citra keabuan dapat dirumuskan sebagai berikut:(II.1)dimana :S = derajat keabuan R = nilai intensitas warna merah (red)G = nilai intensitas warna hijau (green)B = nilai intensitas warna biru (blue)

2.2.2.2. CroppingIstilah cropping dalam hal ini dapat diartikan sebagai memotong suatu citra pada daerah tertentu untuk diambil dan diolah. Tidak semua daerah dari citra yang diolah sebagai data akan tetapi hanya daerah tertentu yang memiliki citra darah.Hal ini dilakukan untuk mendapatkan data yang tepat dan berukuran kecil sehingga memudahkan dalam proses komputasi data.Rumus yang digunakan :x = x-xL, untuk x = xL sampai xR (II.2)y = y-yT, untuk y = yT sampai yB (II.3)(xL, yT) dan (xR, yB) adalah koordinat titik pojok kiri atas dan pojok kanan bawah citra yang akan di potong. Ukuran citra menjadi :w = xR xL (II.4)h = yB yT (II.5)

2.2.2.3. Deteksi Tepi Deteksi tepi digunakan untuk mengidentifikasi garis batas atau tepi dari suatu objek citra yang berguna untuk proses segmentasi dan identifikasi objek. Tepi sebuah citra memiliki intensitas cahaya (kontras) yang kuat. Dengan mendeteksi tepi suatu citra akan mengurangi jumlah data dan menyaring informasi yang tidak berguna. Dalam penelitian ini, deteksi tepi yang digunakan adalah operator Sobel.Operator Sobel memperlihatkan banyaknya gradien spasial dua dimensi dalam sebuah citra. Operator Sobel menggunakan sepasang kernel 3x3 dan Kernel Gx merupakan operator Sobel vertikal sedangkan kernel Gy merupakan operator Sobel horizontal. Besar nilai gradien operator Sobel dapat dihitung dengan:(II.6)Atau (II.7)Nilai Gx dan Gy didapatkan melalui proses konvolusi dimana kernel diletakan pada setiap pixel citra inputan kemudian setiap nilai pixel tetangga dikalikan dengan bobot yang berhubungan pada kernel kemudian hasil perkalian tersebut ditambahkan sehingga didapatkan nilai Gx dan Gy.2.2.2.4. SegmentasiSegmentasi merupakan teknik untuk membagi suatu citra menjadi beberapa daerah, dimana setiap daerah memiliki kemiripan atribut. Teknik segmentasi yang digunakan adalah teknik pengambangan (thresholding). Terdapat dua jenis pengambangan, yaitu pengambangan global (global thresholding) dan pengambangan lokal adatif (locally adaptive thresholding). Pengembangan citra secara umum menggunakan persamaan :g(x,y) (II.8)Pola pengambangan global, seluruh piksel pada citra dikonversikan menjadi hitam atau putih dengan satu nilai ambang T. Kemungkinan besar pada pengambangan global akan banyak informasi hilang karena hanya menggunakan satu nilai T untuk keseluruhan piksel. Untuk mengatasi masalah ini dapat dilakukan pengambangan lokal, suatu citra dibagi menjadi blok-blok kecil dan kemudian dilakukan pengambangan lokal pada setiap blok dengan nilai T.Nilai ambang lokal dapat dihitung dengan cara sebagai berikut : (II.9)Ket :W: blok yang diproses,Nw: banyaknya piksel pada setiap blok W,C: menyatakan suatu konstanta yang dapat ditentukan secara bebas, biasanya C bernilai 0, sehingga nilai ambang sama dengan nilai rata-rata setiap piksel pada blok bersangkutan.

2.2.3. Pengenalan PolaPengenalan pola merupaka kegiatan mengelompokan data numerik dan simbolik (termasuk citra) secara otomatis oleh komputer. Pengelompokan bertujuan untuk mengenali suatu objek di dalam citra. Komputer menerima masukan berupa citra objek yg diidentifikasi, memproses citra, dan memberi keluaran berupa deskripsi objek di dalam citra.

2.2.3.1. Jaringan Saraf TiruanJaringan saraf tiruan (artificial neural network) merupakan model matematis atau model komputasi yang mencoba untuk mensimulasikan struktur dan aspek fungsional jaringan saraf biologis. Ini terdiri dari sebuah kelompok yang saling berhubung neuron buatan dan memproses informasi menggunakan pendekatan koneksionis untuk perhitungan. Dalam kebanyakan kasus, jaringan saraf tiruan akan mengubah strukturnya berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan selama fase pembelajaran. Dalam istilah yang lebih praktis, jaringan saraf adalah pemodelan data statistik non-linier (El-Bakri dan Mastorakis, 2005).Jaringan saraf tiruan merupakan sistem pengolahan informasi secara paralel yang mempunyai kemampuan untuk melakukan pembelajaran. Terdapat dua jenis metode pembelajaran pada jaringan syaraf tiruan yaitu pembelajaran terawasi (supervised learning) dan pembelajaran tak terawasi (unsupervised learning). Pembelajaran terawasi adalah pembelajaran yang memiliki target / label keluaran yang diharapkan, artinya data training yang digunakan pada proses pembelajaran telah disertai dengan label. Pembelajaran tak terawasi merupakan pembelajaran yang tidak memiliki target keluaran (label) dari setiap data training yang akan dilakukan. Beberapa jenis algoritma yang menggunakan pembelajaran tak terawasi adalah K-means, Self Organizing Maps, dan lain-lain.

2.2.3.2. Self Organizing MapsAlgoritma Self-Organizing Maps (SOM) merupakan suatu metode jaringan saraf tiruan yang diperkenalkan oleh Professor Teuvo Kohonen pada tahun 1982. SOM merupakan salah satu bentuk topologi dari Unsupervised Artificial Neural Network (Unsupervised ANN) dimana dalam proses pelatihannya tidak memerlukan pengawasan (target output). SOM digunakan untuk mengelompokkan data berdasarkan karakteristik / fitur-fitur data (Vesanto dan Alhoniemi, 2000). Berikut adalah algoritma training SOM :1. Inisialisasi neuron input : x1, x2, ..., xi.. 2. Inisialisasi neuron output (lapisan keluaran) sebanyak j x l : y11, y12, ..., yjl. 3. Mengisi bobot antar neuron input dan output dengan bilangan random 0 sampai 1.4. Pemilihan salah satu input dari vektor input yang ada.5. Penghitungan jarak antar vektor input terhadap bobot masing masing neuron output dengan rumus.(II.10)6. Dari seluruh bobot pada persamaan II.10 dicari yang paling kecil. Indeks dari bobot yang paling mirip disebut winning neuron.7. Untuk setiap bobot pada langkah ke-tiga diperbaharui bobot koneksinya dengan menggunakan rumus yang dapat dilihat pada persamaan II.11: (II.11)Dimana adalah learning rate, digunakan untuk menunjukkan bagaimana adaptasi pembelajaran terhadap data. Fungsi skalar adaptasi bernilai . Semakin besar nilai , semakin cepat bobot koneksi beradaptasi, maka semakin besar pengaruh vektor input terhadap perubahan bobot koneksi yang terjadi.8. Simpan bobot yang telah konvergen.9. Ulangi langkah 4 sampai dengan langkah 7 hingga tidak ada perubahan pada bobot map atau iterasi telah mencapai iterasi maksimal.

Berikut ini adalah langkah langkah testing SOM :1. Insialisasi bobot dengan bobot hasil training (load last convergent weight)2. Bentuk kelompok-kelompok dari vektor data training (yang digunakan sebelumnya) dengan cara sama dengan proses training, tetapi tanpa meng-update bobot koneksi.3. Definisikan spesifikasi output dari tiap kelompok berdasarkan spesifikasi output dari tiap data training dalam kelompok tersebut.4. Masukkan vektor data baru yang akan dites dan lakukan proses pengelompokkan untuk semua vektor data baru.5. Update spesifikasi ouput tiap data baru dengan spesifikasi output dari tiap kelompok dimana dia berada.

2.2.4. Rational Unified Process (RUP)Metode pengembangan perangkat lunak yang akan digunakan dalam penelitian ini adalah Rational Unified Process (RUP). RUP merupakan metode pengembangan perangkat lunak berorientasi objek (object oriented) dengan aktifitas yang berfokus pada pengembangan model dengan menggunakan Unified Model Language (UML) (Suryana, 2007). RUP memiliki dua dimensi sebagaimana terlihat pada gambar berikut:

Gambar II-2 Arsitektur Rational Unified ProcessDimensi dalam RUP terdiri dari:1. Dimensi pertama digambarkan secara horizontal. Dimensi ini mewakili aspek-aspek dinamis seperti siklus, fase, iterasi dan milestones dari pengembangan perangkat lunak. Setiap fase dapat terdiri dari satu atau beberapa iterasi. Setiap fase akan mewakili suatu major milestones yang menandakan akhir dari awal fase selanjutnya. Dimensi ini terdiri dari beberapa tahapan yaitu Insepsi (Inception), Elaborasi (Elaboration), Kontruksi (Construction), dan Transisi (Transition).2. Dimensi kedua digambarkan secara vertikal. Dimensi ini mewakili aspek-aspek statis dari proses pengembangan perangkat lunak yang dikelompokkan ke dalam beberapa konsep. Proses pengembangan perangkat lunak yang dijelaskan kedalam beberapa konsep terdiri dari empat elemen penting, yakni who is doing, what, how dan when. Dimensi ini terdiri dari Business Modeling, Requirement, Analysis and Design, Implementation, Test, Deployment, Configuration and Change Manegement, Project Management dan Environtment.Penggunaan kedua standar tersebut berorientasi objek (object oriented) diatas memiliki manfaat yakni:1. Improve Productivity Standar ini dapat memanfaatkan kembali komponen-komponen yang telah tersedia/dibuat sehingga dapat meningkatkan produktifitas.2. Deliver High Quality System Kualitas sistem informasi dapat ditingkatkan sebagai sistem yang dibuat pada komponen-komponen yang telah teruji (well-tested dan well-proven) sehingga dapat mempercepat delivery sistem informasi berkualitas yang tinggi. 3. Lower Maintenance Cost Standar ini dapat membantu untuk menyakinkan dampak perubahan yang terlokalisasi dan masalah dapat dengan mudah terdeteksi sehingga hasilnya biaya pemeliharaan dapat dioptimalkan atau lebih rendah dibandingkan dengan pengembangan informasi tanpa standar yang jelas. 4. Facilitate Reuse Standar ini memiliki kemampuan yang mengembangkan komponen-komponen yang dapat digunakan kembali untuk pengembangan aplikasi yang lain. 5. Manage Complexity Standar ini untuk mengatur dan memonitor semua proses dari semua tahapan yang ada sehingga suatu pengembangan sistem informasi yang amat kompleks dapat dilakukan dengan aman dan sesuai dengan harapan semua manajer proyek IT/IS yakni deliver good quality software within cost and schedule time and the users accepted.RUP merupakan metode pengembangan perangkat lunak yang memiliki 4 fase, yakni:1. Inception1) Menentukan Ruang lingkup proyek.2) Membuat Business Case.3) Menjawab pertanyaan apakah yang dikerjakan dapat menciptakan good business sense sehingga proyek dapat dilanjutkan.

2. Elaboration1) Menganalisa berbagai persyaratan dan resiko.2) Menetapkan base line.3) Merencanakan fase berikutnya yaitu construction.3. Construction1) Melakukan sederetan iterasi.2) Pada setiap iterasi akan melibatkan proses berikut: analisa desain, implementasi dan testing4. Transition 1) Membuat apa yang sudah dimodelkan menjadi suatu produk jadi2) Dalam fase ini dilakukan:a. Beta dan performance testing.b. Membuat dokumentasi tambahan seperti: training, user guides dan sales kit.c. Membuat rencana peluncuran produk ke komunitas pengguna.II-1