ABSTRAKSI: Normalnya, darah manusia berupa cairan yang disebut dengan plasma terdiri dari tiga jenis sel, yaitu sel darah merah (Erithrosit), sel darah putih (Leukosit), dan keping darah (Trombosit), di mana masing-masing selnya mempunyai bentuk, luas sel, tekstur dan fungsi tersendiri. Salah satu diagnosa yang dilakukan pihak medis dalam menentukan seseorang atau pasien tersebut sehat atau berpenyakit yaitu dengan melihat hasil photo dari sel darah yang dikenal dengan Wright’s Stain Image.
Tugas akhir ini bertujuan untuk menghasilkan suatu alat bantu yang dapat mendiagnosa citra sel darah berpenyakit dan mengklasifikasikan tipe sel penyakit tersebut serta menganalisa performansi penggunaan tipe atau orde dari analisa tekstur yang digunakan. Secara umum, sistem pengklasifikasian sel penyakit berdasarkan citra sel darah ini terdiri dari dua bagian utama, yaitu ekstraksi ciri menggunakan pengkombinasian antara ciri luas sel dan tekstur statistik, dimana analisa tekstur statistik yang digunakan terdapat 2 tipe, dan klasifikasi ciri menggunakan jaringan saraf tiruan Learning Vector Quantization (LVQ). Hasil dari ekstraksi ciri citra tersebut, kemudian menjadi masukkan (vektor) pada lingkungan JST, dalam hal ini JST LVQ.
Dari hasil pengujian dengan ekstraksi ciri menggunakan analisa luas dan tekstur statistik orde 2 pada pemakaian filter median orde 3 diperoleh tingkat akurasi pengklasifikasian sel penyakit adalah 100% untuk data latih dan 95 % untuk data uji, sehingga total akurasi pengujian yaitu 97.2 %.
Kata Kunci : Citra sel darah, Analisa tekstur statistic, JST-LVQ.ABSTRACT: Normally, human blood appear as a liquid called plasma in which comprised of three kind of cells, they are Erithrosit, Leukosit, and Trombosit, which each of the cells has their own shape, wide cells, texture and function. One of the diagnoses done by medical team in determining whether someone or the patient is health or not is by referring to the photo’s result of blood cells that widely known as a Wright’s Stain Image.
This final project aim to create an assistant tool which able to diagnose the troubling blood cell’s image and clasified those disease so is analizing the performance of the involving type or order used from the texture analysis used. Generally, the classification of cell base blood cell’s image is consist of two main parts, which are self marked extraction by combining the self cell’s wide and statistic texture, in which the texture analyisis involved about 2 types, and self marked classification using Learning Vector Quantization (LVQ) artificial nerve networking (JST). The result of extraction, then become an input (vector) to the JST’s sorrounding in this thing is LVQ JST.Keyword: Blood Cell’s image, Statistic texture analysis, JST-LVQ