Adi Sutrisno

PENDETEKSIAN DAN PERHITUNGAN JUMLAH SEL DARAH

MERAH ABNORMAL DAN NORMAL MENGGUNAKAN METODE
SEGMENTASI CITRA
Adi Sutrisno1 ,Suhendro Yusuf Irianto2
1,2
Fakultas Ilmu Komputer, Informatics & Business Institute Darmajaya
Jl. Z.A. Pagar Alam No. 93, Bandar Lampung – Indonesia 35142
Telp. (0721) 787214 Fax. (0721) 700261
e-mail : adisutrisno1@yahoo.com

ABSTRACT

Red blood cells in blood vessels play a very crucial role for our bodies. The
information about sorts of diseases can be obtained through the number of red blood cells.
Complete Blood tests (CBC) is commonly done with a counting machine; however, this
machine actually has a limitation when there are a number of abnormal blood cells found.
The manual /microscopic test will provide information about the abnormal red blood cells
and erythrocyte variation. However, the manual count takes long time, so it requires a
system that can make it efficient in testing the red blood cells, in minimizing the time of the
red blood cell test, and also in minimizing the fault of diagnostic analysis by the doctor,
since one analysis made by a doctor is different from another. Therefore, it requires a
system that can count the number of blood cells on an image rapidly and automatedly to
obtain an accurate analysis and proof. This study is aimed at detecting and counting the
number of normal and abnormal red blood cells on a digital image using image
segmentation method. The image segmentation means splitting an image into
homogeneous spots based specific similarity criteria between grey-scale levels of a pixel
and grey-scale levels of neighboring pixels. Then the result of the segmentation process
will be used to the next high level process which can be done toward an image.

Keywords: Normal and Abnormal Red Blood Cells, Image Segmentation.

ABSTRAK

Sel darah merah merupakan sel darah yang terdapat pada pembuluh darah yang
berperan penting bagi tubuh kita. Informasi adanya suatu penyakit dapat diketahui dari
jumlah sel darah. Pemeriksaan darah secara lengkap biasanya menggunakan mesin hitung
namun mesin tersebut memiliki keterbatasan ketika terdapat sel yang abnormal.
Pemeriksaan manual secara mikroskopik akan memberikan informasi mengenai sel darah
merah yang abnormal dan variasi bentuk eritrosit. Namun perhitungan secara manual
membutuhkan waktu yang cukup lama sehingga diperlukan suatu sistem yang dapat
menghitung jumlah sel darah merah abnormal dan normal. Dengan sistem ini dapat
mengefesiensi waktu pengecekan sel darah merah dan juga agar minimalisir kesalahan
analisis diagnosa oleh dokter, karena analisis yang dilakukan oleh dokter tidak selalu
sama antara dokter yang satu dengan dokter yang lain. Ketelitian dan konsentrasi dokter
sangat menentukan hasil analisis. Oleh karena itu perlu dibuat suatu sistem yang dapat
menghitung jumlah sel pada suatu citra secara cepat dan terautomatisasi, sehingga
diperoleh analisis dan bukti yang akurat. Pada penelitian ini mempunyai tujuan untuk
mendeteksi dan menghitung jumlah sel darah merah abnormal dan normal pada citra

Informatics and Business Institute Darmajaya

Adi Sutrisno

digital dengan menggunakan metode segmentasi citra. Segmentasi citra mempunyai arti
membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria
keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan
piksel – piksel tetangganya, kemudian hasil dari proses segmentasi ini akan digunakan
untuk proses tingkat tinggi lebih lanjut yang dapat dilakukan terhadap suatu citra.

Kata Kunci : Sel Darah Merah Abnormal dan Normal, Segmentasi Citra.

I. PENDAHULUAN terhadap apusan darah. sel darah merah

Kekurangan darah adalah keadaan dimana yang abnormal dan variasi bentuk eritrosit
jumlah hemoglobin (protein pembawa dalam pemeriksaan secara
oksigen) dalam sel darah merah berada di mikroskopiknya akan memberikan
bawah normal. Salah satu faktor informasi mengenainya. Dalam
timbulnya kekurangan darah yaitu karena pemeriksaan secara manual juga dapat
adanya cacat pada sel darah merah. memberikan Informasi mengenai adanya
Pemeriksaan darah lengkap bisa jenis sel lain yang biasanya tidak dijumpai
menentukan adanya kekurangan darah dalam darah tepi, misalnya sel plasma.
dimana pemeriksaan darah lengkap Selain itu, adanya trombosit yang
umumnya telah menggunakan mesin menggerombol (clumps) yang
penghitung otomatis (hematology menyebabkan rendahnya jumlah trombosit
analyzer). Pemeriksaan dengan mesin pada pemeriksaan otomatis dapat
penghitung otomatis dapat memberikan dikonfirmasi dengan pemeriksaan apusan
hasil yang cepat. Namun, hematology darah.
analyzer memiliki keterbatasan ketika
Namun ada kelemahan dalam menghitung
terdapat sel yang abnormal. Atau, ketika
jumlah sel darah merah normal dan
jumlah sel sangat tinggi sehingga
menentukan adanya kelainan sel darah
hematology analyzer tidak mampu
merah yang abnormal secara manual,
menghitungnya. Pada keadaan seperti ini,
dalam perhitungannya membutuhkan
pemeriksaan manual sangat diperlukan.
waktu yang cukup lama dimana hasil
Mesin penghitung otomatis tidak dapat analisis setiap dokter ataupun analisis
diandalkan dalam menghitung sel laboraturium tidak selalu sama antara
abnormal maka dari itu penghitungan dokter yang satu dengan dokter yang lain,
manual sangat menguntungkan, Dalam hal hal ini mengakibatkan hasil diagnosa
ini diperlukan pemeriksaan manual setiap dokter berbeda -beda. Ketelitian

Informatics and Business Institute Darmajaya

Adi Sutrisno

dan konsentrasi dokter sangat menentukan 2.1.1. Pengumpulan Kebutuhan

hasil analisis. Di lain pihak analisis Metode pengumpulan kebutuhan
peredaran darah secara manual tidak yang dipakai dalam penelitian ini untuk
menghasilkan bukti citra yang akurat memperoleh data-data penelitian yaitu:
sehingga tidak dapat dianalisis oleh a. Tinjauan Pustaka.
banyak dokter. Oleh karena itu perlu b. Penelitian Lapangan.
dibuat suatu aplikasi yang dapat c. Metode Wawancara.
menghitung jumlah sel darah merah 2.1.2. Perancangan
normal dan abnormal pada suatu citra sel a. Algoritma UML (Unified Modelling
darah merah secara cepat dan Language)
terautomatisasi, sehingga diperoleh Algoritma uml pada bab ini
analisis dan bukti yang akurat. merupakan algoritma uml yang akan
menjelaskan alur program matlab yang
II. METODE PENELITIAN akan dibangun untuk sesuai dengan
2.1. Metode Pengembangan
kebutuhan.
Perangkat Lunak
b. Usecase Diagram Pengguna
Metode pengembangan perangkat
lunak yang digunakan dalam penelitian ini
adalah prototype. Metode ini sangat baik
digunakan untuk menyelesaikan masalah
kesalah pahaman antara user dan analis
yang timbul akibat user tidak mampu
mendefinisikan secara jelas kebutuhannya.
Prototyping adalah pengembangan yang c. Sequence Diagram
cepat dan pengujian terhadap model kerja
(prototype) dari aplikasi baru melalui
proses interaksi dan berulang-ulang yang
biasa digunakan ahli sistem informasi dan
ahli bisnis.

Informatics and Business Institute Darmajaya

Adi Sutrisno

d. Activity Diagram dalam menentukan jumlah sel darah

Aplikasi penentuan Jumlah Sel darah Merah
merah.

Open

2. Kelemahan Sistem Yang Berjalan

Proses Tepi
Kelemahan dari sistem yang
berjalan yang mana Saat ini
Tentukan Jumlah
Sel Darah Merah
penentuan jumlah sel darah merah
Muncul
Keterangan
masih dilakukan dengan cara
Sel Darah
Merah
manual, Sehingga hasil jumlah sel
darah merah tidak dapat
Logout

disimpulkan dengan cepat dan ada

bebarapa kesalahan dalam
2.1.3 Evaluasi
Penelitian ini dilakukan di UPTD penentuan jumah sel darah merah.
Balai Laboratorium Kesehatan Provinsi 2.2. Proses Kerja Aplikasi Pendeteksi
Lampung. Pada tahapan analisis, Jumah Sel Darah Merah
merupakan tahapan-tahapan yang 2.2.1. Mengambil Citra Input
menganalisis beberapa hal yang Citra input berupa citra jaringan
diperlukan dalam membangun sistem sel darah merah yang diambil dengan
penentuan jumlah sel darah merah. kamera digital pada mikroskop
Tepatnya adalah analisis ini Olympus cx 21. Citra ini berupa citra
menjelaskan tentang hasil penelitian RGB.
yang didapatkan di UPTD Balai
2.2.2. Mengubah Citra Warna
Laboratorium Kesehatan Provinsi
Menjadi Grayscale
Lampung.
Proses ini termasuk dalam
tahapan preprocessing. Citra RGB
1. Analisis Sistem Yang Berjalan
diubah warnanya menjadi abu-abu. Hal
Penentuan jumlah sel darah
ini dimaksudkan untuk mempermudah
merah yang di lakukan oleh UPTD
perhitungan nilai piksel.
Balai Laboratorium Kesehatan
2.2.3. Meningkatkan Kecerahan dan
Provinsi Lampung, masih
Kontras Citra
menggunakan cara perhitungan
Setelah citra diubah menjadi
manual yang memakan waktu yang
grayscale maka perlu dilakukan suatu
lama dan sering terjadi kesalahan

Informatics and Business Institute Darmajaya

Adi Sutrisno

peningkatan kontras citra. Hal ini Dapat di lihat pada gambar berikut ini:
dimaksudkan agar citra menjadi lebih
baik sehingga mudah untuk dideteksi
tepi.
2.2.4. Melakukan Deteksi Tepi Citra
Gambar 1. Proses dari Gambar Tepi ke
Sebelum melakukan segmentasi Segmentasi
citra terlebih dahulu harus dideteksi
2.2.6. Menghitung Jumlah Pixel Citra
tepi. Tujuannya adalah untuk
Acuan dengan Citra yang akan
mendapatkan bagian citra yang akan
diolah
disegmentasi. Dalam hal ini operator
Setelah objek di segmentasi, objek
deteksi tepi yang saya gunakan adalah
dihitung jumlah pixel putihnya dan
operator deteksi tepi Canny.
kemudian dibandingkan jumlah pixel
2.2.5. Melakukan Segmentasi citra
putihnya dengan pixel citra acuan. Area
Segmentasi yang paling sederhana
A adalah jumlah pixel-pixel penyusun
dilakukan dengan metode ambang
objek dan satuannya adalah pixel
intensitas(thresholding). Nilai yang
karena pixel-pixel inilah yang
lebih kecil daripada nilai ambang
membentuk suatu luasan.
diberlakukan sebagai area pertama dan
yang lebih besar daripada atau sama
III. HASIL DAN PEMBAHASAN
dengan nilai ambang dikelompokkan
3.1. Hasil Penelitian Sistem
sebagai area yang kedua. Dalam hal
Pendeteksi Jumlah Sel Darah Merah
ini, salah satu area tersebut
Dalam penelitian ini sel darah merah
berkedudukan sebagai latar belakang.
dapat diketahui berdasarkan ciri-ciri sel
Cara seperti itulah yang disebut dengan
darah merah tersebut. Sel darah merah di
metode pengambangan dwi-aras(bi-
dalam tubuh manusia ada yang normal ,
level thresholding) atau terkadang
kekurangan sel darah merah (Anemia) dan
dinamakan pengambangan intensitas.
kelebihan sel darah merah (Polisitemia).
Proses ini adalah perubahan dari
Fungsi program ini menghitung jumlah sel
gambar tepi ke segmentasi.
darah merah dengan mengacu kepada sel
darah merah normal.

Informatics and Business Institute Darmajaya

Adi Sutrisno

3.1.1 Input Citra menciptakan suatu citra biner.

Inputkan citra yang akan diolah Untuk menentukan citra biner
menggunakan program yang telah dengan menggunakan fungsi tepi.
dibuat, citra yang digunakan berformat Hal ini dilakukan dengan perintah
JPG dengan perbesaran 1000x, berikut edge.
tampilan aplikasinya: d. Segmentasi citra
Proses segmentasi dilakukan
agar mendapatkan citra yang lebih
baik, sehingga terlihat jelas objek-
objek yang telah tersegmentasi,
yaitu warna yang lebih kontras
akan terlihat putih setelah
Gambar 2. Tampilan Aplikasi
dilakukan segmentasi. Pada citra
3.1.2. Proses Pengolahan Citra
asli, dapat terlihat celah pada garis
a. Pengubahan Citra RGB ke
yang mengelilingi objek pada
Grayscale
gradien yang tersembunyi. Hal ini
Citra input yang akan diproses
dilakukan dengan perintah
(citra RGB) diubah menjadi
imerode.
grayscale. Perintah yang digunakan
e. Menghitung Jumlah Piksel Putih
yaitu rgb2gray.
pada Citra Acuan dengan Citra
b. Meningkatkan Kontras Citra
yang diolah
Setelah dilakukan grayscale,
Untuk membandingkan
selanjutnya meningkatkan kontras
jumlah pixel putih pada citra acuan
citra. Fungsi yang digunakan yaitu
dengan jumlah pixel pada citra
imadjust.
yang akan diolah, maka dilakukan
c. Deteksi Tepi citra
percobaan untuk mencari jumlah
Suatu objek dapat dengan
pixel putih dengan menggunakan
mudah dideteksi pada suatu citra
citra sel darah merah normal.
jika objek cukup kontras dari latar
Berdasarkan percobaan yang
belakangnya. Perubahan
dilakukan di matlab dengan
kekontrasannya dapat dideteksi
perintah bwarea didapat jumlah
dengan deteksi tepi dengan
piksel putih pada citra sel darah
menggunakan operator Canny, yang
merah normal sebesar

Informatics and Business Institute Darmajaya

Adi Sutrisno

7.53124e+008 pixel. Hasil Tabel 1. Hasil Pengujian

perhitungan pixel ini akan Kekurangan dan
digunakan sebagai acuan dalam Kelebihan Sel Darah
penentuan identifikasi citra. Merah
Berdasarkan citra hasil
Gambar Citra hasil Jumlah Ketera
segmentasi dan perhitungan jumlah
Citra piksel ngan
pixel maka akan diidentifikasi citra Segmentasi
Citra
apakah sel darah merah Sel
Yang
Darah
teridentifikasi normal, kelebihan Diinput
Merah
atau kekurangan sel darah merah. kan
Dalam penentuan identifikasi hal
2.2367e Kekur
yang menjadi acuan adalah jumlah
+008 angan
pixel pada sel darah merah normal.
sel
Jika jumlah pikselnya lebih besar darah
dari dari pixel citra acuan berarti sel merah,
darah merahnya kelebihan, jika karena
jumlah pixel sama dengan citra jumlah
acuan berarti sel darah merahnya piksel

normal, dan apabila citra yang di < citra

acuan
masukan jumlah pixelnya kurang
dari citra acuan berarti sel darah 1.3414e Kelebi
merah kekurangan. +009 han sel
darah
3.2. Hasil Pengujian Aplikasi merah,

Berdasarkan hasil pengujian karena

jumlah
dengan menggunakan aplikasi program
piksel
maka citra yang diolah teridentifikasi
> citra
sebagai berikut :
acuan

Keterangan :

Jumlah Pixel Putih Citra Acuan =

7.53124e+008

Informatics and Business Institute Darmajaya

Adi Sutrisno

3.3. Pembahasan bisa terhalang oleh banyak objek.

Sehingga pengambilan gambar harus
Banyak manfaat yang dapat diambil
optimal dan di dukung oleh kamera yang
dengan adanya aplikasi penentuan jumah
memiliki pixel yang sangat baik
sel darah merah dengan metode canny.
Diantaranya masih banyak contoh objek
IV. SIMPULAN
atau sel darah merah yang dapat dilakukan
4.1 Kesimpulan
perhitungan jumlahnya dan dapat
Berdasarkan penelitian, analisis serta
membuktikan metode-metode mana yang
pembahasan yang telah dilakukan pada
secara detail mendeteksi jumlah pada
bab sebelumnya, maka dapat diambil
suatu objek yang kecil. Aplikasi
kesimpulan sebagai berikut :
penentuan jumkah sel darah merah yang
1. Program yang dibuat hanya dapat
telah di buat exe portable hanya bisa
mengidentifikasi sel darah merah
berjalan di laptop atau komputer yang
dengan membedakan sel
telah di install bahasa matlab MRC.
darah merah yang normal dan sel darah
Kelebihan dari aplikasi dalam merah yang abnormal dengan metode
menentukan jumkah sel darah merah yaitu Segmentasi Citra dan menghitung
dapat melakukan perhitungan pola pada jumlah pixel objek citra antara citra
citra walaupun bermacam-macam jenis normal dan abnormal.
citra, aplikasi tersebut dengan detail untuk 2. Jumlah pixel objek untuk citra sel
mendeteksi pola sampel pada pola terkecil darah merah normal 753123875 pixel
sekalian dengan bantuan metode tepi objek.
canny. Sedangkan kekurangan dari 3. Pada saat pengujian sistem ini hanya
aplikasi ini adalah apabila data gambar mampu mendeteksi sel darah merah
yang diinput selain gambar citra sel darah abnormal yang mempunyai kelainan
merah, aplikasi ini tidak ada fasilitas secara fisik dan tidak meyerupai sel
konversi perhitungan jumlah setiap satuan darah merah normal
pixel sel darah merah, hasil ouputnya juga
PENELITIAN LANJUTAN
masih dapat terdeteksi sel darah merah
Berdasarkan kesimpulan yang ada
normal ataupun sel darah merah abnormal,
maka penulis memiliki beberapa saran
hanya bisa mendeteksi citra sel darah
yang mungkin dapat dijadikan sebagai
merah dengan pembesaran 1000x, dan
dalam waktu proses pendeteksian tidak

Informatics and Business Institute Darmajaya

Adi Sutrisno

bahan acuan, masukan atau perbandingan [2] Awcock, G.W. 1996. Applied Image
sebagai berikut : Processing.Singapore. McGraw-Hill
Book.
1. Penelitian dapat dilakukan dengan
[3] Eko Prasetyo. 2011. Pengolahan Citra
metode segmentasi yang lain seperti
Digital dan Aplikasinya
region growing, watershed-based,
Menggunakan Matlab. Yogyakarta.
clustering dan lain-lain .
[4] Fauzi. Y dan Mayasari, Z.M., 2007,
2. Agar citra hasil deteksi tepi terlihat
Penggunaan Teknik Filtering
lebih baik perlu diteliti juga
Morfologi Matematik dalam
penggunaan operator tepi yang lain
Mengekstraksi Jaringan Jalan dari
seperti Prewitt, Robert, Laplacian, dan
Citra Satelit, Jurnal TEKNOSIA, Vol.
lain-lain.
1, No.1, hal: 7- 14Gonzalez. R.C. and
3. Penelitian berikutnya dapat dilakukan
Woods. R.E., 1993. Digital Image
dengan menambah jarak antara jumlah
Processing. Addison Wesley. USA.
pixel sel darah.merah normal yang
[5] Hartono, Jogiyanto. 1999. Analisis
lebih spesifik, agar jumlah pixel sel
Dan Disain Sistem Informasi:
darah merah yang normalnya tidak
pendekatan terstruktur teori dan
hanya satu saja.
praktek aplikasi bisnis.
4. Penelitian selanjutnya dapat dilakukan
[6] Indrawati. 2013. Analisis Unjuk
dengan menambahkan fasilitas
Kerja Deteksi Tepi Pada Citra Digital
konversi perhitungan jumlah pixel
Untuk Peningkatan Kualitas Detail
persatuan setiap sel darah merah.
Tepi Citra. Prosiding SNYuBe.177-
183.
UCAPAN TERIMAKASIH
[7] Jain, A.K. 1989. Fundamentals of
Penulis mengucapkan terima kasih
Digital Image Processing, Prentice
kepada dosen pembimbing dan teman-
Hall of India.
temanku yang telah memberi dukungan
[8] Kartikasari, D. 2013. Sistem
financial dan tempat penelitian ini.
Pendeteksian Dan Perhitungan
Jumlah Sel Darah Merah Abnormal
DAFTAR PUSTAKA
dan Normal Berdasarkan Pengolahan
[1] Arifin, Z. 2009. Evaluasi
Citra Digital Menggunakan Matlab.
Pembelajaran, Prinsip, Teknik,
Prosedur. Bandung: P.T Remaja UNIKOM Bandung, Bandung.

Rosdakarya.

Informatics and Business Institute Darmajaya

Adi Sutrisno

[9] Komputer, Wahana. 2013. Adobe [16] Roger S. Pressman, 2002. Rekayasa
Dreamweaver CS6. Yogyakarta: Perangkat Lunak Pendekatan
Andi. Praktisi (Buku Satu), ANDI
[10] Linda Shapiro and George Yogyakarta.
Stockman, 2001. Computer Vision, [17] Sutoyo. T., Vincent Suhartono, Oky
Prentice Hall,2001 , Prentice Hall. Dwi Nurhayati dan Wijayanto.
[11] Marvin Ch. Wijaya dan Agus 2009. Teori Pengolahan Citra
Prijono. 2007. Pengolahan Citra Digital. UNIDUS Semarang dan
Digital Menggunakan Matlab, Andi Yogyakarta.
Penerbit Informatika, Bandung.
[12] Munir, R. 2004. Pengolahan Citra
Digital dengan Pendekatan
Algoritmik. Informatika: Bandung.

[13] M. Rajinikannan, D. Ashok Kumar,

dan R. Muthuraj. (2010). Estimating
the Impact of Fingerprint Image
Enhancement Algorithms for Better
Minutia Detection. International
Journal of Computer Application,
Vol. 2, No. 1, Hal 36-42.
[14] Rosa A.S, M. Shalahuddin.
2014.Rekayasa Perangkat Lunak.
Informatika:Bandung.
[15] Riyanti, M. E. 2009. Deteksi dan
Klasifikasi Penyakit Anemia
(Defisiensi Besi, Hemolitik dan
Hemoglobinopati) Berdasarkan
Struktur Fisis Sel Darah Merah
Manggunakan Pengolahan Citra
Digital. Jurusan Teknik Elektro.
Institut Teknologi Telkom.

Informatics and Business Institute Darmajaya