DETEKSI PARASIT MALARIA DALAM SAMPEL DARAH UNTUK MENUNJANG KEPERLUAN DIAGNOSIS BERBASIS DATA CIRI TEKSTUR WARNA

IIS HAMSIR AYUB WAHAB, Prof. Emr. Adhi Susanto, MSc.,Ph.D

2015 | Disertasi | S3 Ilmu Teknik Elektro

Penentuan jenis parasit dalam darah dalam diagnosis malaria aktif adalah dengan menggunakan alat mikroskopis. Namun tahapan ini memakan waktu yang relatif panjang dan memerlukan tenaga ahli mikroskopik. Faktor-faktor kelelahan fisik dari tenaga mikroskopik dapat menyebabkan kekeliruan dalam interpretasi atas objek yang dilihatnya sehingga dapat mengakibatkan pengambilan keputusan diagnosis yang tidak tepat. Penelitian ini dilakukan sebagai upaya membantu para ahli dalam menganalisis dan menginterpretasi jenis parasit malaria berbasis komputer. Analisis dan interpretasi citra preparat darah pasien pengidap parasit malaria dilakukan salah satunya adalah untuk memperoleh pola-pola citra parasit tersebut, sehingga dapat dilakukan proses klasifikasi terhadap citra berdasar polanya. Pola citra parasit satu berbeda dengan lain, hal ini bergantung pada jenis parasitnya. Untuk membedakan pola satu dengan yang lain diperlukan suatu ciri untuk masing-masing pola. Berdasar ciri tersebut akan dikenali dan diklasifikasikan jenis parasit dengan menggunakan pengklasifikasi. Ciri yang akan mewakili jenis parasit malaria berasal dari kanal warna RGB, HSV, YIQ, dan YCrCb. Citra yang diekstraks berdasarkan ciri statistik orde-1 dan berbasis matriks kookurens (orde-2). Masing-masing kanal warna akan menghasilkan 5 ciri orde-1 dan 6 ciri orde-2, sehingga secara keseluruhan akan terdapat 33 ciri. Kemampuan ciri-ciri dalam membedakan jenis kelas parasit malaria dianalisis menggunakan metode seleksi ciri estimasi akar kuadrat terkecil (LSE) dan analisis komponen utama (PCA). Ciri terbaik hasil seleksi akan diuji menggunakan klasifikasi algoritme Learning Vector Quantization (LVQ) dan dibandingkan dengan algoritme fuzzy LVQ (FLVQ) serta algoritme Cross Entropy (CE). Hasil validasi silang k-fold (k=5) menunjukkan bahwa ciri yang berasal dari ruang warna RGB dapat mewakili jenis-jenis parasit malaria dibandingkan dengan HSV, YIQ, maupun YCrCb dengan tingkat rerata akurasi sebesar 97,5%. Adapun ciri tersebut adalah ciri mean kanal warna merah R, mean kanal warna hijau G, mean kanal warna biru B dan ciri kontras kanal warna biru B. Kompleksitas waktu komputasi untuk LVQ dan FLVQ adalah O(n2), sedangkan algoritme CE mempunyai kompleksitas waktu O(n3). Pada uji waktu nyata dihasilkan diperoleh nilai sensitivitas sebesar 0,96, spesitivitas = 0,625; akurasi = 96,25% , dan f1 = 0,9795. Kehandalan interrater untuk analis pada uji ini adalah κ = 0,734 (p < 0,000), 99% CI (0,5805 ; 0,8875).

The gold standard in the diagnosis of malaria parasites must use microscopic devices. However, this stage takes a relatively long time and requires expertise. Errors in interpretation of the microscopic observation can occur due to physical exhaustion factor of an expert. This may result in incorrect diagnosis in the decision-making. This study has been done in an effort to help the experts to analyze and interpret the type of malaria parasites based on the computing stage. Analysis and interpretation of the images of malaria parasites have been conducted to obtain the pattern of the parasites. To distinguish this specific pattern with the others pattern is required the associated unique detected features. Therefore, especially dedicated classifier algorithm must be developed. The Feature that will be explored to represent the types of malaria parasites derived from color space: RGB, HSV, YIQ, and YCrCb based on the first-order statistical feature and co-occurrence matrices (second-order). Each color contributes to the five (5) features of first order and six (6) features of the second order. Overall, there will be 33 (thirty three) features. The ability of features to differentiate the type of malaria parasites analyzed using with least squares estimation method (LSE) and principal component analysis (PCA). Four best features of selection results tested using of Learning Vector Quantization (LVQ) compared to the fuzzy LVQ (FLVQ) and the Cross Entropy Algorithm (CE). The results of k-fold cross validation (k = 5) showed that the features derived from the RGB color space can represent the types of malaria parasites compared with HSV, YIQ, or YCrCb with the average of accuracy = 97.5%. The feature is the mean of the red channel (R), the mean of the green channel (G), the mean and the contrast of the blue channel (B). The complexity of computing time for LVQ and FLVQ = O (n2), while the algorithm CE = O (n3). In real time test values obtained sensitivity = 0.96, specificity = 0.625, accuracy = 96.25%, and f1 = 0.9795. The Interrater reliability for the analysts in this test is K = 0.734 (p <0.000), 99% CI (0.5805; 0.8875).

Kata Kunci : parasit malaria, ciri orde-1, ciri orde-2, seleksi ciri, klasifikasi