Sudah sekian lama saya membuat banyak hal terbengkalai, salah satunya blog ini. Hal terbengkalai lainnya yang akan saya bahas pula di sini adalah kuliah saya. Lebih tepatnya lagi, adalah skripsi atau tugas akhir saya. Di kesempatan terakhir saya untuk menyelesaikan skripsi ini, saya harus memaksimalkannya kan? Miris sih rasanya memang, sudah sejak kapan mulai menyiapkan data, dan sebagainya tetapi baru hampir maju proposal sekarang. Beberapa orang bakal menganggap saya cukup nekat dan gila memasang target tinggal satu semester dan waktu sudah termakan sebulan lebih tapi tidak segera sidang bahkan cuma sidang proposal. Kemana saja 2 tahun kemarin? Ke dalam jurang kegelapan, Hahah.

Semoga dengan menuliskan dan mempublikasikan hal semacam ini, bisa sedikit memberikan saya semangat. Eh harusnya banyak sih. Dari kemarin sudah terbayang banyak hal loh kegiatan apa saja yang hendak saya lakukan. Akan tetapi semua seakan melambat dan hampir kehilangan arah lagi gara-gara beberapa masalah di rumah yang tidak bisa saya umbar walaupun ingin hahah.

Selayang Pandang Tugas akhir

Tugas akhir saya adalah tentang pendeteksian (klasifikasi) sel darah putih (leukosit) terinfeksi demam berdarah pada foto mirkoskopis apusan darah tebal. Pendeteksian tersebut dibantu dengan berbagai metode-metode yang telah saya kumpulkan dari berbagai jurnal yang saya comot dari internet. Entah sudah terindeks scopus belum ya. Agak terlupa saya apakah salah satu jurnal internasional yang dijadikan referensi wajib terindeks scopus.

Kalau ingin tahu metode apa saja yang saya pakai, saya menggunakan adaptive-thresholding untuk memisahkan sel dari background-nya, serta memanfaatkan gram-schmidt orthogonalization untuk membantu proses segmentasi dengan meningkatkan kontras warna antara sel dengan background. Setelah itu, saya menggunakan erosi dan dilasi untuk melenyapkan noise hasil segmentasi. Sejujurnya hasil segmentasi dengan adaptive-thresholding ini masih kurang bersih, saya menambahkan beberapa metode tambahan yang belum saya cari jurnalnya hahah. Duh, semoga gak jadi masalah nanti di TA wkwk.

Metode tambahan untuk segmentasi adalah, menghitung luas area hasil segmentasi lalu menghapus region yang terlalu kecil atau terlalu besar bila dianggap sebuah sel. Terpikirkan juga untuk menambahkan circularity tetapi bakal perlu saya tambahkan banyak lagi di TA nanti jadi perlu saya konsultasikan dulu sih pada akhirnya.

Penjelasan yang saya harapkan sederhana tetapi tampaknya tidak juga baru memisahkan sel dari background lho. Belum proses identifikasi. Proses ekstraksi fitur pun dilakukan terlebih dahulu untuk mendapatkan ciri-ciri yang akan digunakan sebagai variabel yang memisahkan antara sel darah putih positif terinfeksi virus dengan yang negatif terinfeksi. Fitur atau ciri yang digunakan adalah histogram warna, lebih tepatnya lagi histogram warna dalam colorspace HSV (Hue, Saturation, Value).

Setelah dapat fitur yang akan diklasifikasikan, dilanjutkan dengan metode klasifikasi yang akan saya gunakan yaitu Support Vector Machine. Sebuah metode machine learning berdasarkan berbagai model statistik dan lain-lain.

Banyak istilah sulit ya, pada kesempatan berikutnya akan saya jelaskan pada post-post lain secara lebih rinci.

Developing the Project

Tugas akhir ini akan saya kembangkan dengan bahasa pemrograman python. Awal mulanya sih saya akan bergantung sepenuhnya pada library eksternal, salah satu contohnya adalah OpenCV. OpenCV library yang ditulis dalam bahasa C sebenarnya sehingga optimasinya sangat bagus. Intinya sih lihat saja dulu nanti ketika seminar proposal hasilnya seperti apa.

Berikut ini adalah hasil hacking yang sudah saya kembangkan selama satu tahun lebih (sebenarnya beberapa hari, tapi hiatus sampai setahun lebih hahah).

Sel yang positif terinfeksi berwarna coklat dan hasil klasifikasi berhasil mendeteksinya dengan lingkaran merah begitu juga yang negatif, sel berwarna biru keunguan ditandai dengan lingkaran hijau.

Gambar di atas hanya contoh saja, belum hasil akhir. Ada rencana memanfaatkan web service sehingga sistem diakses dari dalam bentuk web dengan mesin berbasis python.

Segini saja dulu sepertinya penjabaran singkat saya tentang proyek saya. Semoga konsisten.