ABSTRAKSI: Dalam bidang kedokteran, darah manusia diklasifikasikan menjadi golongan darah A, B, AB, O dan Rhesus. Penggolongan ini berdasarkan jenis antigen yang terkandung pada membran sel darah manusia yang disebut juga aglutinogen. Untuk mencegah terjadinya reaksi transfusi antara darah donor dan resipien pada proses transfusi darah maka dilakukan pemeriksaan golongan darah. Proses aglutinasi dapat diamati secara visual baik melalui mikroskop ataupun dapat dilihat secara visual langsung oleh para ahli dibidangnya. Pada bidang kedokteran forensik dan penanganan basis data rumah sakit secara massal, diperlukan suatu pemeriksaan golongan darah yang akurat dan cepat.
Dalam tugas akhir ini dibuat suatu perangkat lunak yang dapat mengenali citra pola penggumpalan golongan darah dengan menggunakan pengolahan citra digital dan jaringan syaraf tiruan. Jaringan Syaraf Tiruan Learning Vector Quantization merupakan salah satu bentuk Jaringan Syaraf Tiruan yang melakukan pembelajaran pada lapisan kompetitif (competitive layer net) yang terawasi (supervised learning). Dalam proses pengklasifikasiannya metode ini memiliki kemampuan learning yang cepat dan mempunyai tingkat keakuratan yang tinggi. Pola penggumpalan golongan darah didapatkan dari beberapa tetes darah yang ditetesi dengan reagen. Pola penggumpalan golongan darah ini diambil citranya untuk dianalisis. Beberapa langkah untuk pengolahan citra adalah pengubahan citra menjadi grayscale, deteksi tepi, segmentasi dan ekstraksi ciri. Hasil ekstraksi ciri akan digunakan sebagai inputan JST LVQ. Dari hasil penelitian diperoleh suatu kesimpulan bahwa JST LVQ dapat mengenali pola penggumpalan golongan darah secara cepat dan tingkat keakuratan mencapai 96,5%. Selain Parameter pada JST LVQ, proses deteksi tepi dan ukuran citra ciri untuk inputan JST LVQ juga mempengaruhi terhadap akurasi dan kecepatan sistem.
Kata Kunci : golongan darah, jaringan syaraf tiruan LVQ, pengolahan citra digitalABSTRACT: In medical, human blood is classified into blood type A, B, AB, O and Rhesus. This classification based on antigen type implied in Human’s blood cell membrane so called agglutinogen. To prevent the happening of transfusion reaction between donor bloods and resipien at blood transfusion, hence we should do blood type inspection. Agglutination process can be observed visually either through microscope or can be observed by medical expert. On medical of forensic and to handling hospital database, required an inspection of accurate blood type and quickly.
On this project made a software which can recognize cloting pattern image of blood type by using digital image processing and artificial neural network. Learning Vector Quantization Artificial Neural Network is one of the type of artificial neural network which use competitive layer net for study process. In Classification process, this method has capability of quick learning and high accuracy. Cloting pattern image of blood type got from some blood drips dropped with reagent. This cloting pattern image of blood type taken their image to be analysed. Some steps for image processing is distorting of image becomes grayscale, edge detection, segmentation and extraction of image characteristic. Result of the characteristic extraction will be applied as the input of LVQ Artificial Neural Network. From result of research has a conclusion that LVQ Artificial Neural Network can recognize cloting pattern image of blood type quickly and has accuracy 96,5%. Besides Parameter in LVQ Artificial Neural Network, edge detection process and the measure of characteristic extraction for the input of LVQ Artificial Neural Network also influences for accuration and system speed.
Keyword: blood type, LVQ artificial neural network, digital image processing