Sistem Klasifikasi Sel Darah Putih Berbasis Pengolahan Citra Digital Dan K-nearest Neighbour (k-nn)

Abstract

Abstrak Sel darah putih atau leukosit adalah salah satu sel pembentuk komponen darah yang berfungsi untuk membantu tubuh dalam melawan berbagai penyakit dan sebagai bagian dari sistem kekebalan tubuh. Saat ini sistem klasifikasi sel darah putih yang dilakukan oleh tenaga medis masih menggunakan penglihatan manual dengan bantuan microscope sehingga membutuhkan waktu yang lama. Oleh karena itu dibutuhkan suatu sistem yang dapat mengklasifikasikan sel darah putih secara otomatis untuk membantu tenaga medis. Pada penelitian ini merancang sistem klasifikasi sel darah putih dengan pengolahan citra digital dan K-NN. Proses pengolahan citra digital dimulai preprocessing dengan menggunakan metode ekstraksi ciri orde dua dan GLCM dengan menggunakan 4 fitur statistik (contrast, correlation, energy, homogeneity), jarak yang digunakan (d) = 1 dan 2 dan sudut orientasi (ðœ½) = 0°,45°,90°,135°. Hasil dari ekstrasi ciri diklasifikasikan menggunakan metode K-NN dengan menggunakan nilai k = 1,3,5,7 dan 4 persamaan jarak (Euclidean, Minkowski, Cityblock, Chebychev). Dari hasil pengujian sistem diperoleh hasil klasifikasi sel darah putih melalui pengolahan citra digital dan metode K-NN dengan tingkat akurasi yang terbaik 76% pada parameter ekstraksi ciri (GLCM) jarak 1 dan sudut 0°, dan klasifikasi jarak Euclidean dan Minkowski pada nilai k dari K-NN sama dengan 1 dan 3. Kata kunci : Sel Darah Putih, GLCM, K-Nearest Neighbour. Abstract White blood cells or leukocytes are one of the cells that make up blood components that function to help the body fight various diseases and as part of the immune system. Currently, the white blood cell classification system carried out by medical personnel still uses manual vision with the help of a microscope, so it takes a long time. Therefore we need a system that can classify white blood cells automatically to help medical personnel. In this study, designed a white blood cell classification system with digital image processing and K-NN. The digital image processing process begins with preprocessing using the second order feature extraction method and GLCM using 4 statistical features (contrast, correlation, energy, homogeneity), the distance used (d) = 1 and 2 and the orientation angle (θ) = 0 °, 45 °, 90 °, 135 °. The results of feature extraction were classified using the K-NN method using k values = 1,3,5,7 and 4 distance equations (Euclidean, Minkowski, Cityblock, Chebychev). From the results of system testing, it was obtained the results of the classification of white blood cells through digital image processing and the K-NN method with the best accuracy rate of 76% on the feature extraction parameter (GLCM) at a distance of 1 and an angle of 0 °, and the classification of Euclidean and Minkowski distances at the k value K-NN is equal to 1 and 3. Keywords: White Blood Cells, GLCM, K-Nearest Neighbour.