Identifikasi parasit malaria dalam darah menggunakan metode segmentasi citra digital dan jaringan syaraf tiruan

WAHAB, Iis Hamsir Ayub, Prof. Adhi Susanto, M.Sc., Ph.D

2008 | Tesis | S2 Teknik Elektro

Malaria adalah suatu penyakit yang disebabkan oleh sel tunggal parasit yang berupa protozoa genus plasmodium yang menginfeksi manusia melalui aliran darah. Pemeriksaan standar untuk diagnosis malaria aktif adalah dengan menggunakan alat mikroskopis. Meski mikroskop mempunyai kepekaan baik dan dapat mengidentifikasi jenis parasit dan pengaruhnya, akan tetapi memerlukan tenaga ahli mikroskopik dan memakan waktu yang relatif panjang. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasi parasit plasmodium falciparum berdasarkan citra digital preparat darah yang terindikasi mengandung parasit tersebut. Sebelum melakukan proses identifikasi, langkah pertama dari prosedur analisis yang dilakukan pada penelitian ini adalah melakukan proses pra-pengolahan citra digital preparat dengan menggunakan tapis bilateral untuk mengurangi efek pencahayaan dan derau. Langkah kedua adalah melakukan pemisahan objek dengan menggunakan metode segmentasi k-mean clustering. Langkah ketiga, melakukan ekstraksi ciri terhadap citra data yang akan diuji. Ekstraksi ciri yang digunakan sebagai masukkan pada sistem yang akan dibangun pada penelitian ini ada dua kelompok ciri, yaitu ciri warna dan ciri histogram. Langkah terakhir adalah melakukan uji identifikasi dan mengklasifikasi parasit plasmodium falciparum kedalam empat kelas dengan menggunakan metode jaringan saraf tiruan (JST) Learning Vector Quantization (LVQ). Hasil dari penelitian ini menunjukkan bahwa ciri warna dapat memberikan tingkat keberhasilan yang lebih tinggi dibanding ciri histogram untuk arsitektur JST LVQ dengan empat hidden neuron. JST LVQ dengan input ciri warna berhasil mengidentifikasi 91,67% data citra dengan benar dan 81,25% berhasil diidentifikasi dengan benar untuk JST LVQ dengan ciri statistik histogram sebagai ciri masukannya.

Malaria is a serious disease caused by the single-celled protozoan parasites of the genus Plasmodium which infect humans by entering the bloodstream. The inspection standard for diagnosis of active malaria for parasites in blood slides through a microscope. Although microscopy has good sensitivity and allows species identification and parasite counts it requires microscopy expertise and involves a labour intensive repetitive task which is time consuming. The main aim of this research is to identify and classify whether the peripheral blood indication contains the parasite plasmodium falciparum based on a digital image scheme. Prior to the identification, the first step in the whole analysis procedure is the restoration of the image quality by applying bilateral filter to reduce the interfering illumination and noise effects. Second step is to segment the objects using k-mean clustering method. Third, to extract features from the image data. There are two choices of features types which will be taken as the inputs to the final step, namely the histogram features and color features. The final step is to identify and classify the plasmodium falciparum into four classes using learning vector quantization (LVQ) neural network (NN). The results of this research show the color features can give higher accuracies based on the architecture of LVQ network with four hidden neurons as compared to the histogram features. LVQ network with color features input successfully identified 91.67% of the parasite plasmodium falciprum while the LVQ network with histogram features input did only 81.25%.

Kata Kunci : Malaria,Plasmodium falciparum,k,mean clustering,JST LVQ, malaria, Plasmodium falciparum, k-mean clustering, LVQ NN