Abstrak

Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan

yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan
golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan
buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf
Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran
manusia.
Makalah ini membahas pengembangan perangkat lunak jaringan syaraf tiruan untuk
mendeteksi golongan darah manusia melalui pengenalan pola pembekuannya. Pola
pembekuan empat golongan darah telah dikenali dan dapat dibedakan dengan baik
oleh ahlinya. Jaringan Syaraf Tiruan dengan metoda pembelajaran backpropagasi
digunakan sebagai pembelajaran seorang ahli untuk mengenali golongan darah
melalui pola pembekuan masing-masing golongan darah tersebut setelah diberi
reagent antigen. Beberapa langkah untuk pra-pengolahan citra golongan darah oleh
jaringan syaraf tiruan adalah deteksi tepi dan ekstraksi ciri.
Kata kunci : jaringan syaraf tiruan, deteksi, pengolahan citra.
1. Pendahuluan
Personal Computer (PC) sebagai sarana bantu manusia dapat menyelesaikan
pekerjaan sehari-hari di segala bidang. Pada mulanya para pemakai hanya
menggunakan komputer sebagai mesin ketik, kini telah berkembang menjadi alat
kontrol atau pengendali baik di rumah tangga, di industri bahkan di lingkungan
pendidikan.
Dengan bantuan kamera video dan video blaster maka komputer dapat mengenali
informasi dari citra atau gambar yang sedang diamati. Pengolahan citra adalah suatu
metode atau teknik yang dapat digunakan untuk memproses citra atau gambar dengan
jalan memanipulasinya menjadi data gambar yang diinginkan untuk mendapat
informasi tertentu.
Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan
yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan
golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan
buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf
Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran
manusia [9]. Beberapa peneliti telah berhasil mengaplikasikan jaringan syaraf tiruan
untuk menyelesaikan permasalahan identifikasi. Diantaranya adalah pada bidang

kedokteran telah dikembangkan untuk deteksi adanya kanker pada paru-paru [4], dan
untuk deteksi dan klasifikasi kondisi penyakit liver [8].
Sebelumnya penulis juga telah berhasil mengembangkan jaringan syaraf tiruan untuk
identifikasi dengan proses pembelajaran kemampuan seorang pakar untuk deteksi
tingkat keragaman kerusakan warna pada layar monitor [1], dan untuk deteksi
keragaman warna produk keramik [2]. Untuk mengakuisisi kemampuan seorang pakar
kalibrasi juga telah dicoba dan keberhasilan tersebut disampaikan pada makalah [3].
Dalam makalah ini dicoba untuk membuat perangkat lunak yang dapat dipergunakan
untuk mendeteksi golongan darah manusia dengan menggunakan pengolahan citra.
Adapun metode yang digunakan dengan cara mengembangkan Jaringan Syaraf Tiruan
dengan metoda pembelajaran backpropagasi seperti yang telah dipakai pada makalah
yang disebutkan diatas[1,2,3].
2. Blok Diagram Perangkat Keras
Keseluruhan perangkat keras membentuk suatu sistem dengan susunan blok diagram
seperti gambar 1.

Gambar 1. Blok Diagram Perangkat Keras

Blok diagram dari perangkat keras terdiri dari:
- Obyek gambar, sebagai obyek dari darah yang akan dideteksi.
- Kamera Video, sebagai sarana masukan untuk memberikan data ke komputer.
- Video Blaster, sebagai perubah dari sinyal analog menjadi sinyal digital komputer.
3. Subsistem Pengolahan Citra
Secara garis besar perangkat lunak membentuk blok diagram seperti pada gambar 2.

Gambar 2. Blok Diagram Perangkat Lunak

Subsistem pengolahan citra terbagi menjadi beberapa bagian fungsional. Citra yang
diolah memiliki ciri sebagai berikut:
- Resolusi 512 x 256 pixel
- Memiliki 256 derajat keabuan
- Diperoleh dari akuisisi data dengan menggunakan sebuah kamera handycam dan
diubah menjadi data digital dengan sebuah card video blaster.
Citra ini kemudian diolah dalam bagian-bagian yang akan dijelaskan berikut ini:
3.1 Preprocessing
Pada tahap ini yang dilakukan adalah menyederhanakan gambar seperti pada gambar
3. Yang biasa dilakukan pada dunia pengolahan citra ialah dengan melakukan
pendeteksian tepian obyek yang berada dalam gambar. Teknik ini dinamakan deteksi
tepi (Edge Detection).
Adapun dasar dari teknik ini ialah dengan melakukan penelusuran gambar secara
vertikal dan horisontal sambil melihat apakah terjadi perubahan warna mendadak
yang melebihi suatu harga (sensitifitas) antara dua titik yang berdempetan. Jika ya,
maka di tempat antara kedua titik tersebut dianggap pinggiran sebuah benda.

Gambar 3. Proses penyederhanaan gambar

Dalam makalah ini penulis menggunakan metode Prewitt Operator yang merupakan
salah satu pengembangan dari teknik deteksi tepi. Pada Prewitt Perator Operator
digunakan suatu matrik berukuran 3 x 3 dengan matrik target di titik tengahnya.
Untuk jelasnya dapat dilihat ditabel :
Tabel 1 Matriks Prewitt Operator
Matrik ini dilakukan perhitungan jumlah antara selisih titik pada sisi horizontal
dengan selisih titik pada sisi vertikal.
Result=abs(6+7+8-1-2-3)+abs(3+5+8-1-4-6) (1)

Dimana 1, 2, 3, 4, 5, 6, 7, 8 mewakili isi matrik seperti digambarkan di atas. Dengan

cara ini dapat ditentukan titik tersebut pingiran atau tidak.
3.2 Ekstraksi Ciri
Setelah obyek-obyek yang ada berhasil disederhanakan pada tahap sebelumnya, tahap
berikutnya adalah mengekstraksi ciri-ciri tertentu dari setiap obyek. Pada tahap ini
mencari posisi gambar paling kiri, paling kanan, paling atas dan paling bawah.
Kemudian gambar dibagi-bagi menjadi baris M dan kolom N. Setiap kotak dilakukan
scanning piksel bila ditemukan piksel melebihi jumlah yang ditentukan maka kotak
tersebut diberi nilai 1, jika tidak diberi nilai 0. Lakukan penyimpanan dalam matrik
MxN sebagai data referensi. Proses ekstraksi ciri dapat dilihat pada gambar 4.

Gambar 4. Proses ekstraksi ciri

3.3. Klasifikasi
Seperti kita ketahui pada saat melakukan pendeteksian terhadap golongan darah,
terlebih dahulu 3 tetes contoh darah harus ditetesi dengan reagent yang diberi nama
dengan anti A, anti B dan anti AB. Dari ketiga macam reagent tersebut harus dapat
dibedakan satu sama lain. Informasi data gambar di komputer yang diperoleh dari
kamera video terlihat seperti pada gambar 5.

Golongan darah A

Golongan darah B

Golongan darah O
Gambar 5. Data gambar dari kamera video
Setelah diperoleh masukkan berupa informasi data gambar dari tiap-tiap reagent maka
keluarannya harus dapat membedakan darah itu menggumpal (logika 1) atau tidak
menggumpal (logika 0). Dengan Jaringan Syaraf Tiruan kita dapat membedakan darah
itu mengumpal atau tidak menggumpal.
Salah satu metode pembelajaran yang digunakan dalam Jaringan Syaraf Tiruan adalah
backpropagation atau dikenal dengan generalisasi delta rule. Secara sederhana
sebenarnya adalah metode gradient descent untuk meminimisasi total square error
pada keluaran hasil perhitungan jaringan. Ada tiga tahapan yang dilakukan pada
metode backpropagation:pemberian pola masukan saat proses pembelajaran,
perhitungan dan proses backpropagation dari error, serta pengaturan nilai penimbang
atau bobot.
Struktur dari jaringan backpropagasi yang digunakan dalam makalah ini
menggunakan 3 lapisan yaitu lapisan input sebanyak 90, lapisan tersembunyi
sebanyak 10 dan lapisan output sebanyak 1.
Dari ketiga hasil pemberian reagent diperoleh golongan darah dari seseorang dengan
menggunakan tabel sebagai berikut:

Misalnya tetes dari pertama mengumpal (1), tetes darah kedua tidak mengumpal (0)
dan tetes darah ketiga mengumpal (1) maka keluarannya adalah golongan darah A.
4. Hasil Implementasi

Setelah diujicoba dan diperbaiki unjuk kerjanya, sistem yang dirancang mampu untuk
mengenali golongan darah. Hasil-hasil implementasi terlihat seperti pada gambar 6
dan 7.

Gambar 6. Gambar darah dan hasil deteksi tepi

Gambar 7. Data hasil skala matrik 9*10

Dari hasil pengujian langsung dengan menggunakan kamera didapat hasil-hasil seperti
pada tabel 4. Bila dihitung terdapat jumlah benar ada 16 dan jumlah salah ada 4. Maka
prosentase kebenaran sampai saat ini sekitar 80%. Hal ini dikarenakan tereduksinya
sejumlah data pada waktu proses pengecilan data seperti pada tabel 3.
Grafik tranning data pada jaringan syaraf tiruan dapat dilihat pada gambar 8. Terlihat
bahwa semakin banyak iterasi kesalahan yang terjadi semakin kecil.

4. Kesimpulan
Dari hasil pengamatan dan percobaan dikaitkan dengan permasalahan dan tujuan
dilakukan penelitian ini maka dapat diambil beberapa hal:
1. Perangkat lunak ini dapat digunakan untuk menyederhanakan gambar dengan
mengunakan deteksi tepi yaitu metode Prewitt Operator.
2. Golongan darah tersebut dapat dikenali sebagai golongan darah A, B, AB, dan
O dengan jaringan syaraf tiruan menggunakan metode backpropagasi.
3. Keberhasilan perangkat lunak sangat tergantung dengan kondisi piranti
pendukung, seperti kamera video, video blaster, dan intensitas penerimaan
cahaya.
5. Daftar Pustaka
1. M.H.Purnomo,dkk.,Identification of Color Uniformity Defect on the Electronic
Displays by Learning the Human Perception Records, IEE Japan Transc.118C(7/8), 1998, Hal.1164-1169.
2. M.H.Purnomo, dkk, An Artificial Neural Network Approach for the Quality
Classification of Tile Product, Proc. of International Conference on Nonlinear
Theory and its Applications, 1997,Hal.779-781.
3. M.H.Purnomo, dkk, Operator Skill Acquisition for Re-setting the Adjuster
Position of an Energy Meter, Proc. of IEEE Instrumentation and Measurement
Technology Conference, 1998, Hal.286-288.
4. M.G.Penedo,dkk., Computer_aided Diagnosis: A Neural-Network-Based
Approach to Lung Nodule Detection,IEEE Transc.on Medical Imaging, 17(6)
1998, Hal.872-880.
5. Catenary System, Victor Image Processing Library, Catenary System, St. Louis,
1992.
6. Catenary System, ZIP Image Processing , Catenary System, St. Louis, 1991.
7. Creative Labs, Video Blaster se100PI User's Guide, Creative Technology Ltd.,
Singapore, 1994.

8. S.Yoshino,dkk.,Neural Network Approach to characterization of Cirrhotic

Parenchymal Echo Patterns, IEICE Transc.on Fundamentals of Electronics,
Communications and Computer Sciences, E76-A(8) 1993,Hal.1316-1322.
9. Dan W. Patterson, Artificial Neural Network Theory and Applications, John
Wiley and Sons, Inc. 1995.

Gambar 8. Grafik traning data pada jaringan syaraf tiruan

Manusia merupakan makhluk yang memiliki banyak misteri. Pernahkah Anda bertanya-tanya
mengapa golongan darah tiap orang berbeda-beda?
Keberadaan golongan darah manusia yakni untuk menangkis penyakit menular. Namun,
ketidakcocokan beberapa golongan darah sebenarnya hanyalah sebuah kecelakaan evolusi pada
manusia itu sendiri.

Terdapat empat empat jenis golongan darah utama. Golongan darah A merupakan golongan darah
paling kuno. Pasalnya, golongan darah ini sudah ada sejak sebelum spesies manusia berevolusi
dari moyang hominidnya.
Golongan darah B diduga kuat berasal dari 3,5 juta tahun silam dari mutasi genetik yang
memodifikasi salah satu gula yang berada di permukaan sel darah merah. Dimulai pada 2,5 juta
tahun silam, mutasi terjadi dan membuat gen gula itu menjadi lamban.
Alhasi, tercipta golongan darah O yang tak memiliki versi gula dari golongan darah A atau B.
Kemudian, ada golongan darah AB yang memiliki gula golongan darah A dan B. Gula inilah yang
membuat beberapa jenis golongan darah tak cocok.
Jika darah dari donor bergolongan darah A diberikan pada orang dengan golongan darah B, sistem
kekebalan tubuh penerima akan mengenali gula asing itu sebagai penyerbu dan isyarat serangan.
Reaksi kekebalan yang terjadi bisa sangat mematikan. Golongan darah O negatif dikenal sebagai
donor universal karena tak memiliki molekul yang akan memprovokasi reaksi tersebut, negatif
dalam hal ini kurangnya jenis molekul permukaan lain yang dikenal sebagai antigen Rh.
Namun, ketidakcocokan bukanlah bagian dari alasan manusia memiliki golongan darah, kata kepala

pengobatan transfusi Harvey Klein di National Institute of Health Clinical Center.

Transfusi darah merupakan fenomena baru (ratusan tahun, bukan jutaan tahun lalu), dan
karenanya hal ini tak ada hubungannya dengan evolusi golongan darah, paparnya.
Penyebab evolusi atau setidaknya salah satu di antaranya adalah penyakit. Misalnya menurut ahli
hematologi Christine Cserti-Gazdewich dari Toronto General Hospital, malaria tampaknya menjadi
kekuatan utama di balik selektifitas golongan darah O.
Golongan darah O lebih umum dijumpai di Afrika dan bagian lain dari dunia yang memiliki beban
tinggi malaria. Hal ini menunjukkan, golongan darah membawa semacam keuntungan evolusi.
Dalam kasus ini, keuntungannya adalah, sel-sel yang terinfeksi malaria tak menempel dengan baik
pada sel darah golongan darah O atau B, kata Cserti-Gazdewich. Sel darah yang terinfeksi malaria
cenderung menempel sel dengan gula golongan darah A.
Setelahnya, gumpalan yang dikenal sebagai mawar akan terbentuk dan gumpalan ini bisa sangat
mematikan ketika terbentuk di organ vital, seperti otak.
Akibatnya menurut hasil studi 2007 yang diterbitkan di Proceedings of the National Academy of
Sciences, orang bergolongan darah O tak akan merasakan sakit yang terlalu parah saat terinfeksi
malaria.
Di sisi lain, orang bergolongan darah O lebih rentan pada penyakit lainnya. Misalnya, orang
bergolongan darah O lebih rentan pada Helicobacter Pylori, bakteri yang menyebabkan bisul, kata
Klein.
Namun sayangnya, hasil riset belum menunjukkan apakah hal tersebut atau beberapa penyakit lain
menjelaskan mengapa manusia masih memiliki golongan darah.
Sumber :
inilah.com