Implementasi Jaringan Syaraf Tiruan Untuk Mendeteksi Golongan Darah Manusia

Menggunakan Pengolahan Citra Digital

Bayu TrySaputraRay BafhyHeru Kuswoyo

Abstrak

Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran Manusia.

Pendahuluan.

Personal Computer (PC) sebagai sarana bantu manusia dapat menyelesaikan pekerjaan sehari-hari di segala bidang. Pada mulanya para pemakai hanya menggunakan komputer sebagai mesin ketik, kini telah berkembang menjadi alat kontrol atau pengendali baik di rumah tangga, di industri bahkan di lingkungan pendidikan. Dengan bantuan kamera video dan video blaster maka komputer dapat mengenali informasi dari citra atau gambar yang sedang diamati. Pengolahan citra adalah suatu metode atau teknik yang dapat digunakan untuk memproses citra atau gambar dengan jalan memanipulasinya menjadi data gambar yang diinginkan untuk mendapat informasi tertentu.

Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran manusia. Beberapa peneliti telah berhasil mengaplikasikan jaringan syaraf tiruan untuk menyelesaikan permasalahan identifikasi. Diantaranya adalah pada bidang kedokteran telah dikembangkan untuk deteksi adanya kanker pada paru-paru, dan untuk deteksi dan klasifikasi kondisi penyakit liver.

Blok Diagram Perangkat Keras.

Keseluruhan perangkat keras membentuk suatu sistem dengan susunan blok diagram seperti gambar 1.

Gambar 1. Blok Diagram Perangkat Keras

Blok diagram dari perangkat keras terdiri dari:• Obyek gambar, sebagai obyek dari darah yang akan dideteksi.• Kamera Video, sebagai sarana masukan untuk memberikan data ke komputer.• Video Blaster, sebagai perubah dari sinyal analog menjadi sinyal digital

komputer

Subsistem Pengolahan Citra.

Secara garis besar perangkat lunak membentuk blok diagram seperti pada gambar 2.

Gambar 2. Blok Diagram Perangkat Lunak

Subsistem pengolahan citra terbagi menjadi beberapa bagian fungsional. Citra yang diolah memiliki ciri sebagai berikut:• Resolusi 512 x 256 pixel.• Memiliki 256 derajat keabuan.• Diperoleh dari akuisisi data dengan menggunakan sebuah

kamera handycam dan diubah menjadi data digital dengan sebuah card video blaster.

Preprocessing.

Pada tahap ini yang dilakukan adalah menyederhanakan gambar seperti pada gambar 3. Yang biasa dilakukan pada dunia pengolahan citra ialah dengan melakukan pendeteksian tepian obyek yang berada dalam gambar. Teknik ini dinamakan deteksi tepi (Edge Detection). Adapun dasar dari teknik ini ialah dengan melakukan penelusuran gambar secara vertikal dan horisontal sambil melihat apakah terjadi perubahan warna mendadak yang melebihi suatu harga (sensitifitas) antara dua titik yang berdempetan. Jika ya, maka di tempat antara kedua titik tersebut dianggap pinggiran sebuah benda.

Gambar 3. Proses penyederhanaan Gambar

Dalam makalah ini penulis menggunakan metode Prewitt Operator yang merupakan salah satu pengembangan dari teknik deteksi tepi. Pada Prewitt Perator Operator digunakan suatu matrik berukuran 3 x 3 dengan matrik target di titik tengahnya. Untuk jelasnya dapat dilihat ditabel :

Tabel 1 Matriks Prewitt Operator.

Ekstraksi Ciri.

Setelah obyek-obyek yang ada berhasil disederhanakan pada tahap sebelumnya, tahap berikutnya adalah mengekstraksi ciri-ciri tertentu dari setiap obyek. Pada tahap ini mencari posisi gambar paling kiri, paling kanan, paling atas dan paling bawah.

Kemudian gambar dibagi-bagi menjadi baris M dan kolom N. Setiap kotak dilakukan scanning piksel bila ditemukan piksel melebihi jumlah yang ditentukan maka kotak tersebut diberi nilai 1, jika tidak diberi nilai 0. Lakukan penyimpanan dalam matrik MxN sebagai data referensi. Proses ekstraksi ciri dapat dilihat pada gambar 4.

Gambar 4. Proses Ektraksi Ciri

Klasifikasi.

Seperti kita ketahui pada saat melakukan pendeteksian terhadap golongan darah, terlebih dahulu 3 tetes contoh darah harus ditetesi dengan reagent yang diberi nama dengan anti A, anti B dan anti AB. Dari ketiga macam reagent tersebut harus dapat dibedakan satu sama lain.

Setelah diperoleh masukkan berupa informasi data gambar dari tiap-tiap reagent maka keluarannya harus dapat membedakan darah itu menggumpal (logika 1) atau tidak menggumpal (logika 0). Dengan Jaringan Syaraf Tiruan kita dapat membedakan darah itu mengumpal atau tidak menggumpal. Struktur dari jaringan backpropagasi yang digunakan dalam makalah ini menggunakan 3 lapisan yaitu lapisan input sebanyak 90, lapisan tersembunyi sebanyak 10 dan lapisan output sebanyak 1.

Dari ketiga hasil pemberian reagent diperoleh golongan darah dari seseorang dengan menggunakan tabel sebagai berikut:

Misalnya tetes dari pertama mengumpal (1), tetes darah kedua tidak mengumpal (0) dan tetes darah ketiga mengumpal (1) maka keluarannya adalah golongan darah A.

Hasil Implementasi.

Setelah diujicoba dan diperbaiki unjuk kerjanya, sistem yang dirancang mampu untuk mengenali golongan darah. Hasil-hasil implementasi terlihat seperti pada gambar 6 dan 7.

Dari hasil pengujian langsung dengan menggunakan kamera didapat hasil-hasil seperti pada tabel 4. Bila dihitung terdapat jumlah benar ada 16 dan jumlah salah ada 4. Maka prosentase kebenaran sampai saat ini sekitar 80%. Hal ini dikarenakan tereduksinya sejumlah data pada waktu proses pengecilan data seperti pada tabel 3.