ABSTRAKSI: Jumlah sel darah manusia dipengaruhi oleh faktor usia dan jenis kelamin. Setiap komponen sel mempunyai harga normal yang berbeda-beda. Penghitungan sel darah dalam jumlah banyak memerlukan ketelitian dan konsentrasi untuk mendapatkan hasil yang akurat. Kemajuan pengolahan citra digital memungkinkan penghitungan jumlah sel darah merah secara otomatis. Beberapa penelitian terdahulu telah berhasil menghitung sel darah merah dengan menggunakan metode analisis warna dan ukuran sel. Namun khusus tentang pemisahan sel darah merah bertumpuk belum pernah dilakukan.
Pada tugas akhir ini dilakukan pembuatan sistem penghitung jumlah sel darah merah berbasis pengolahan citra digital dengan menggunakan metode morfologi untuk meningkatkan akurasi. Deteksi sel darah merah bertumpuk diimplementasikan berdasarkan kriteria luas dengan threshold yang digunakan 1500, 1800, 2000. Citra sel darah merah yang masih dalam bentuk RGB diubah menjadi citra gray dan dilakukan proses cropping untuk mengurangi latar dari citra yang tidak digunakan. Kemudian dilakukan preprocessing antara lain: mereduksi noise dengan median filter, perbaikan kontras, mengubah citra gray ke citra biner (monocrhome), labeling, filling, dilasi dan erosi. Hasil dari preprocessing itu digunakan untuk proses perhitungan sel. Dimana sel yang bertumpuk dipisahkan terlebih dahulu. Untuk kriteria pengujian lebih lanjut digunakan citra tanpa noise dan citra dengan noise. Noise yang digunakan gaussian, salt&pepper, speckle dengan intensitas 0,01 hingga 0,05. Melalui implementasi dan pengujian, untuk citra tanpa noise sistem mampu memberikan rata-rata tingkat akurasi 94,94% untuk threshold luas 1500, 94,21% untuk threshold luas 1800, 92,57% untuk threshold luas 2000. Untuk citra dengan noise salt&pepper intensitas 0,01 hingga 0,03 rata-rata akurasi di atas 80% untuk tiap threshold luas. Untuk citra dengan noise gaussian rata-rata akurasi di bawah 50% untuk intensitas 0,01 dan 0% untuk intensitas lainya, untuk tiap thresold luas. Citra dengan noise speckle intensitas 0,01 rata-rata akurasi diatas 75%untuk masingmasing luas dan di bawah 75% untuk intensitas lainnya.Kata Kunci : Kata kunci: Sel Darah Merah,Pengolahan Citra Digital,Perhitungan Sel Darah MerahABSTRACT: The total of human’s blood cell is effected by age and sex. Each component of cell has a different normal value. Calculating blood cell in huge amount needs careful and concenteration to get a accurate result. The development in digital image processing propably to calculate red blood cell automaticaly. Some research are successed in calculating red blood cell by analysis method of coloring and cell size. However, specificaly in separation of red blod cell that overlap isn’t done yet.
In this Final Assignment, making a system of calculating red blood cell based on digital image processing using morphology method to get optimum accuration is done. Detection of red blood cell that overlap is applicated based on criteria in width with treshold 1500, 1800, and 2000. Image of red blood cell that still in RGB form is changed into grayscale form and then cropping process to reduze background of image that not use in all process. Furthermore, preprocessing is done, contains: reduze noise with median filter, contrast enhancement, changing gray image into biner image (monochrome), labelling, filling, dilation, and erotion. The result of preprocessing is used in calculating process of cell. First of all, all cell that overlap is separated. For testing criteria, image with noise and image without noise are used. Noise that used are : Gaussian, Salt and Pepper, and Speckle using intensity 0.01 to 0.05. Through implementation and testing for image without noise, system can give an average accuration 94.94% for threshold in width 1500, 94.21% for threshold 1800, 92.57% for threshold 2000. For image with Salt and Pepper noise using intensity 0.01 to 0.03 give an average accuration upto 80% for each threshold. For image with Gaussian noise using intensity 0.01 give an average accuration less s50% for each threshold. If using other intensity give an average accuration 0%. For image with Speckle noise using intensity 0.01 give an average accuration upto 75% for each threshold. If using other intensity give an average accuration less 75%.Keyword: Key words : Red Blood Cell, Digital Image Processing, and Calculating of Red