ABSTRAKSI: Dalam perkembangan ilmu kedokteran, cara yang digunakan untuk meneliti serta mengklasifikasi kromosom adalah dengan cara tradisional, yaitu penelitian dengan mikroskop untuk kemudian kromosom diteliti secara manual. Metode ini membutuhkan waktu yang lama dan tidak efisien dalam pengerjaannya. Untuk memudahkan pengguna maka akan dikembangkan suatu sistem otomatis untuk mengklasifikasi dan menganalisis kromosom manusia. Analisis dan klasifikasi dilakukan pada citra digital berupa image dari kromosom manusia.
Sebuah perangkat lunak dikembangkan untuk mengklasifikasi kromosom manusia. Perangkat lunak ini secara garis besar terdiri dari 2 tahap yaitu pemrosesan citra dan JST dengan propagasi balik. Pemrosesan citra meliputi preprocessing, segmentasi dan ekstraksi ciri dan JST meliputi pelatihan dan pengujian.
Perangkat lunak ini dibuat dengan menggunakan Matlab 7. Dari hasil pelatihan dan pengujian dengan menggunankan 6 set kromosom manusia diperoleh tingkat akurasi 93,6406 % untuk 8-bit dengan menggunakan learning rate 0,125, jumlah hidden neuron 40, dan momentum 0,225. Sedangkan tingkat akurasi 94,5324% diperoleh untuk 24-bit dengan menggunakan learning rate 0,01, jumlah hidden neuron 15 dan momentum 0.
Kata Kunci : : Kromosom manusia, pemrosesan citra, Jaringan SyarafABSTRACT: In the medical science development, the way to analize and classify chromosome is with the traditional method, examine the chromosome using microscope then analize it manually. This Methods needs more time in the work. To facilitate this, a new automatic system is developed to classify and analize human chromosome. It will be execute in digital image of human chromosomes. The Software will examine the chromosomes with image processing, segmentation process, and finally classifying the object using the length with Neural Networks. The Neural Network is being used because of their reliability in planning and applying the methods.
A software is developed to classify human chromosome. The software is based on image processing and neural network with back-propagation algorithm. The image processing includes the preprocessing, segmentation and feature extraction and the neural netwrok includes training and testing the result of image processing.
The software is created with the use of Matlab 7. From the training and testing result by using 6 human chromosome, the accuration 93,6406 % is gained using 8-bit of output based on learning rate of 0,125, 40 hidden neuron, and momentum 0,225, thus the accuration of 83,5324% is gained by using 24- bit output based on learning rate 0,01, 15 hidden neuron and momentum 0.5.Keyword: image processing, segmentation, back-propagation, Artificial