PENERAPAN K-MEANS CLUSTERING DAN WATERSHED TRANSFORMATION DALAM PROSES PERHITUNGAN SEL DARAH PUTIH

Main Article Content

Isa Rosita

Abstract

Sel darah putih atau Leukosit adalah salah satu bagian dalam komponen darah manusia yang memiliki peranan penting. Leukosit merupakan salah satu komponen yang membentuk sistem imun dalam tubuh manusia. Kelainan pada leukosit yang salah satunya dapat dilihat dari jumlahnya dapat menjadi indikator awal adanya infeksi virus maupun penyakit kelainan darah. Perhitungan sel darah putih secara manual cukup rumit serta kurang efektif dan efisien, karena prosesnya yang lambat sehingga membutuhkan waktu yang lama. Selain itu, sebagian besar akurasi bergantung pada faktor subjektif yang dipengaruhi oleh pengalaman, keahlian serta faktor kelelahan seseorang. Hal ini membuat proses perhitungan sel darah putih secara otomatis oleh sistem komputer dibutuhkan. Penelitian ini bertujuan untuk menghitung sel darah putih dari masukan berupa citra mikroskopis sel darah manusia. K-means Clustering digunakan pada proses pengelompokkan objek, sehingga dapat dengan mudah diambil objek sel darah putih saja untuk kemudian didentifikasi apakah objek termasuk sel tunggal atau sel berdempet lalu dihitung jumlahnya. Trasformasi watershed digunakan untuk membantu proses pemisahan sel darah putih berdempet. Berdasarkan hasil penelitian, sistem mampu menghitung objek sel darah putih dengan rata-rata tingkat akurasi sistem sebesar 85%.

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

[1] L. Sherwood, Human Physiologi: From Cells to Systems, 6th ed. Singapore: Cengage Learning Asia Pte Ltd., 2007.
[2] C. Zhang et al., “White Blood Cell Segmentation by Color-Space-Based K-Means Clustering,” pp. 16128–16147, 2014.
[3] D. Putra, Pengolahan Citra Digital, I. Yogyakarta: Penerbit Andi, 2010.
[4] A. Santoso, Hadi; Harjoko, “Haar Cascade Classifier dan Algoritma Adabost untuk Deteksi Banyak Wajah dalam Ruang Kelas,” J. Teknol., vol. 6, no. 2, 2013.
[5] A. Noercholis and M. A. Muslim, “Ekstraksi Fitur Roundness untuk Menghitung Jumlah Leukosit dalam Citra Sel Darah Ikan,” J. EECCIS, vol. 7, no. 1, pp. 35–40, 2013.
[6] I. M. B. Adnyana, I. K. G. D. Putra, and I. P. A. Bayupati, “Segmentasi Citra Berbasis Clustering Menggunakan Algoritma Fuzzy C-Means,” Teknol. Elektro, vol. 14, no. 1, pp. 16–20, 2015.
[7] I. Hardiyanto, Y. Purwananto, and R. Soelaiman, “Implementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions,” Tek. Pomits, vol. 1, no. 1, pp. 1–5, 2012.
[8] A. Padmo A.M and M. Murinto, “Segmentasi Citra Batik Berdasarkan Fitur Tekstur Menggunakan Metode Filter Gabor Dan K-Means Clustering,” J. Inform., vol. 10, no. 1, pp. 1173–1179, 2016.
[9] X. Wei, Y. Cao, G. Fu, and Y. Wang, “A counting method for complex overlapping erythrocytes-based microscopic imaging,” J. Innov. Opt. Health Sci., vol. 8, no. 6, 2015.
[10] H. Aryo and F. Chastine, “Segmentasi dan Pemisahan Sel Darah Putih Bersentuhan Menggunakan K-means dan Hierarchical Clustering Analysis pada Citra Leukemia Myeloid Akut,” JUTI J. Ilm. Teknol. Inf., vol. 15, no. 2, pp. 140–151, 2017.
[11] Widodo and D. Wahyuni, “Implementasi algoritma k-means clustering untuk mengetahui bidang skripsi mahasiswa multimedia pendidikan teknik informatika dan komputer universitas negeri jakarta,” PINTER, vol. 1, no. 2, pp. 157–156, 2017.
[12] M. Murinto and H. Agus, “Segmentasi Citra Menggunakan Watershed Dan Itensitas Filtering Sebagai Pre Processing,” in Seminar Nasional Informatika 2009, 2009, pp. 43–47.
[13] C. D.Manning, P. Raghavan, and H. Schütze, “Online edition (c) 2009 Cambridge UP,” in Information Retrieval, no. c, 2009, pp. 1–18.