Pemanfaatan seed region growing segmentation dan momentum backpropagation neural network untuk klasifikasi jenis sel darah putih

Oleh :
Nurcahya Pradana Taufik Prakisya - M0509051 - Fak. MIPA

Sel darah putih atau leukosit merupakan komponen dalam darah yang terdiri dari lima jenis, yakni neutrofil, eosinofil, basofil, limfosit, dan monosit. Klasifikasi sel darah putih ke dalam lima jenis tersebut diperlukan dalam analisis kesehatan darah. Proses klasifikasi yang biasa dilakukan melalui uji laboratorium mikroskopik dapat memakan waktu cukup lama dan terdapat kemungkinan terjadi kesalahan yang bersifat subjektif. Untuk mengatasi kendala tersebut, maka penelitian ini akan mengkombinasikan bidang studi pengolahan citra dan jaringan syaraf tiruan yang diterapkan dalam proses tahap awal klasifikasi jenis sel darah putih. Metode yang dipaparkan dalam penelitian ini merupakan perpaduan dari seed region growing segmentation dengan momentum backpropagation. Seed region growing digunakan dalam preprocessing citra. Ekstraksi ciri akan menghasilkan empat parameter numerik dari citra yang digunakan sebagai input pelatihan dan pengujian, yakni: luas area leukosit, tepi area atau perimeter, kebundaran, dan rasio nukleus. Proses pelatihan menggunakan kombinasi learning rate, jumlah neuron hidden layer, serta momentum untuk dinilai keoptimalannya berdasarkan waktu latih, MSE, serta akurasi memorisasi dan generalisasi. Batas toleransi error perubahan sebesar 0,000001 dengan hipotesa akurasi sebesar 87%. Hasil penelitian menunjukkan bahwa seed region growing mampu melakukan segmentasi citra leukosit sebesar 96,795% dari total 156 citra. Pelatihan dan pengujian dengan momentum backpropagation menghasilkan rata-rata akurasi memorisasi sebesar 83,333% dan generalisasi sebesar 81,776%. Kata Kunci: Klasifikasi, Leukosit, Momentum Backpropagation, Seed Region Growing