Identifikasi Otomatis Anemia pada Citra Sel Darah Merah Berbasis Komputer

Latifah Listyalina (Prodi Teknik Elektro, Fakultas Sains & TeknologiUniversitas Respati Yogyakarta Jl. Laksda Adisucipto Km 6,3 Depok, Sleman, Yogyakarta 55281 Telp 0274 489780)

Electrician : Jurnal Rekayasa dan Teknologi Elektro
Vol. 11 No. 3 (2017)

Intisari---Penelitian inimengusulkan sebuah algoritma berbasis komputer sebagai alat bantupemeriksaan laboratorium dalam mengidentifikasi anemia secara efisien dan denganbiaya yang murah. Algoritma yang diusulkan terdiri dari tiga proses utama, yaitu pengolahan citra, ekstraksi fitur, dan proses identifikasi. Proses pengolahan citra dilakukan dalam dua tahap, yakni ­pre-processing dan segmentasi. Pada proses ekstraksi fitur, dilakukan penyusunan vektor fitur berdasarkan keluaran dari proses pengolahan citra. Vektor fitur ini menjadi masukan dalam proses identifikasi otomatis anemia dannon-anemia pada citra sel darah merah menggunakan metode K-Means. Algoritma yang diusulkan digunakan pada 92 buah citra sel darah merah, dengan rincian 52 buah citra terindikasi anemia, dan 40 buah citra kategori non-anemia.Hasil identifikasi untuk seluruh citra sel darah merah divalidasi dengan membandingkan keluaran dari K-Means dengan hasil identifikasi oleh tenaga medis. Dari proses validasi, didapatkan nilai akurasi sebesar 94.5%, yang menunjukkan bahwa algoritma yang diusulkan mampu mengidentifikasi anemia dan non-anemia secara efektif.Kata kunci--- Anemia, Citra sel darah merah, Idenfikasi, K-Means, Komputer                                      Abstract--- This research workproposes a computerized algorithmto perform an efficient and low-cost anemia identification. Our algorithm consists of three main phases, namely image processing, feature extraction, and identification. Theimage processing phase is done in two steps, the image pre-processing and segmentation steps.The feature vector of all images is constructed based on the pixel intensity values of the segmented images. The constructed feature vector becomes the input of the identification phase, which is performed using K-Means method. The proposed algorithm is applied on 92 red blood cell images, consist of 52 and 40 anemia and non-anemia images, respectively. The identification results are validated by comparing them to those of the medical staff. The achieved accuracy for the validation process is 94.5%, indicating that our proposed algorithm is able to identify anemia and non-anemia effectively.Keywords--- Anemia, Computer, Identification, K-Means, Red Blood Cell Images.