EKSTRAKSI FITUR CITRA SEL DARAH PUTIH

Penulis

Heru Pranoto

Pembimbing: Faridah, S.T., M.Sc.; Balza Achmad, S.T., M.Sc.E.


ABSTRACT: The counting of white blood cell is one of the informations which needed by doctor for diagnose the disease of patient. There're two methods to counting white blood cell, Complete Blood Count (CBC) and Differential Blood Count (DBC). CBC is using the exhaustive counting of white blood cell so can be estimated the amount of white blood cell in the body of patient. DBC is using the relative percentages of each the types of white blood cell, that is basofil, eosinofil, limfosit, monosit and neutrofil. All this time, the DBC mechanism still doing by hematologist manually, so designing the automatic DBC sistem is needed to support performance and increase productivity of hematologist. The method of this research consist of designing the software for feature extraction (thresholding in HSV, contour detection, convex area, deviation standard, feature extraction) and analyze the feature extraction result using boxplot and ANOVA (analysis of variance) to find the overlapping and significance value from the feature. The simulation of the feature extraction software show that the software has been able extracting all of the features from 107 white blood cell image. The feature nucleus circularity is the only one feature that can differentiate the fourth type of white blood cell with average of overlapping level is 0,54% and the average of significance value is 0,01.

INTISARI: Penghitungan sel darah putih merupakan salah satu informasi yang dibutuhkan seorang dokter dalam melakukan diagnosis penyakit seorang pasien. Terdapat dua metode penghitungan sel darah putih yaitu Complete Blood Count (CBC) dan Differential Blood Count (DBC). Penghitungan CBC berdasar pada penghitungan menyeluruh sel darah putih sehingga estimasi jumlah sel darah putih di dalam tubuh pasien dapat dilakukan, sementara DBC berdasar pada persentase relatif setiap jenis sel darah putih yaitu basofil, eosinofil, limfosit, monosit dan neutrofil. Selama ini mekanisme DBC masih dilakukan secara manual oleh ahli darah, maka rancang bangun sistem DBC otomatis dibutuhkan untuk menunjang kinerja dan meningkatkan produktivitas ahli darah. Metode penelitian ini terdiri dari rancang bangun perangkat lunak ekstraksi fitur (segmentasi thresholding HSV, deteksi kontur, convex area, standar deviasi, ekstraksi fitur) dan analisis dari hasil ekstraksi fitur menggunakan ANOVA (analysis of variance) untuk mencari tingkat signifikansi dari fitur. Pengujian perangkat lunak menunjukkan perangkat lunak hasil rancangan telah mampu mengekstraksi semua fitur dari 107 sampel data citra sel darah putih. Fitur circularity inti merupakan satu-satunya fitur yang mampu membedakan keempat jenis sel darah putih dengan tingkat overlapping rata-rata 0,54% dan nilai signifikansi rata-rata 0,01.

Kata kunci citra sel darah putih, pengambangan HSV, deteksi kontur, convex area, standar deviasi, ANOVA
Program Studi S1 TEKNIK FISIKA UGM
No Inventaris
Deskripsi
Bahasa Indonesia
Jenis Skripsi
Penerbit [Yogyakarta] : Universitas Gadjah Mada, 2015
Lokasi Perpustakaan Pusat UGM
File Tulisan Lengkap dapat Dibaca di Ruang Tesis/Disertasi
  • Anda dapat mengecek ketersediaan versi cetak dari penelitian ini melalui petugas kami dengan mencatat nomor inventaris di atas (apabila ada)
  • Ketentuan Layanan:
    1. Pemustaka diperkenankan mengkopi cover, abstrak, daftar isi, bab pendahuluan, bab penutup/ kesimpulan, daftar pusatak
    2. Tidak diperbolehkan mengkopi Bab Tinjauan Pustaka, Bab Pembahasan dan Lampiran (data perusahaan/ lembaga tempat penelitian)
    3. Mengisi surat pernyataan, menyertakakan FC kartu identitas yang berlaku

<< kembali