IMPLEMENTASI FITUR GEOMETRI DAN K-MEANS PADA PERHITUNGAN DAN SEGMENTASI SEL DARAH MERAH BERTUMPUK

Authors

  • Faried Effendy Fakultas Sains dan Teknologi Universitas Airlangga Surabaya
  • Chastine Fatichah Fakultas Teknologi Informasi Institut Teknologi Sepuluh November Surabaya
  • Diana Purwitasari Fakultas Teknologi Informasi Institut Teknologi Sepuluh November Surabaya

DOI:

https://doi.org/10.30872/jim.v9i3.173

Keywords:

sel darah merah, segmentasi, morfologi, fitur geometri, k-mean

Abstract

Segmentasi terhadap sel darah merah bertumpuk bertujuan untuk meningkatkan akurasi perhitungan sel darah merah. Tujuan penelitian ini adalah untukmensegmentasi sel darah merah bertumpuk menggunakan morfologi, fitur geometri dan k-means. Morfologi digunakan untuk preprocessing yakni memisahkan sel darah merah dengan backgroundyang tidak diperlukan seperti sel darah putih dan platelet, fitur geometri berupa eksentrisitas dan luasan digunakan sebagai pendeteksi sel darah merah bertumpuk, sedangkan proses segmentasi dilakukan oleh k-means. Akurasi hasil segmentasi dari metode yang diusulkan mencapai 96,31%, sedangkan error perhitungan sel darah merah setelah dilakukan segmentasi berkisar 2,43%.

Author Biographies

  • Faried Effendy, Fakultas Sains dan Teknologi Universitas Airlangga Surabaya
    Matematika
  • Chastine Fatichah, Fakultas Teknologi Informasi Institut Teknologi Sepuluh November Surabaya
    Teknik Informatika
  • Diana Purwitasari, Fakultas Teknologi Informasi Institut Teknologi Sepuluh November Surabaya
    Teknik Informatika

References

Cheng, J & Rajapakse, J.C. (2009), ”Segmentation of Clustered Nuclei With Shape Markers and Marking Function”, IEEE Transactions on Biomedical Engineering, Vol. 56, No. 3, hal. 741-748.

Greer, J.P., Foerster, J.,Lukens, J.N.(2003).”Wintrobe’s Clinical Hematology, 11th Ed”, Lippincott Williams & Wilkins Publisher, Philadelphia.

Jung, C., Kim, C., Chae, S.W., Oh, S.,(2010), ”Unsupervised Segmentation of Overlapped Nuclei Using Bayesian Classification”, IEEE Transactions on Biomedical Engineering, Vol. 57, No. 12, hal. 2825-2831.

Jung, M., Shim, J., Ko, B. Nam, J.(2008), ”Automatic Cell Segmentation and

Classification using Morphological Features and Bayesian Network”, Image Processing : Machine Vision Applications, Proc. Of SPIE-Jurnal Informatika Mulawarman Vol. 9 No. 3 Oktober 2014 19 IS&T Electronic Imaging, SPIE Vol.683, 6830G.

Mahmood, N.H.,Mansor, M.A.(2012), ”Red Blood Estimation Using Hough Transform Technique”, Signal& Image Processing: An International Journal(SIPIJ), Vol.3, No. 2, hal 53-64.

Sharma, S.(1996),”Applied Multivariate Techniques”, John Wiley & sons, New York

Tan, et al.(2006),”Introduction To Data Mining”, Addison-Wesley, USA

Rencher,A.C.(2002),”Methods of Multivariate Analysis”, John Wiley, Canada

Yang, X., Li, H., Zhou, X.(2006), ”Nuclei Segmentation Using Marker-Controled Watershed, Tracking Using Mean-Shift, and Kalman Filter in Time-Lapse Microscopy”, IEEE Transaction on Cicuits and Systems:

Regular Papers, Vol. 53, No. 11, hal. 2405-2414.

Downloads

Published

2014-10-10