173 OTOMATISASI PENGHITUNGAN PERSENTASE PARASITEMIA Plasmodium Falciparum MENGGUNAKAN PERANGKAT LUNAKNISH ELEMENT D 2.3 Dwi Ramadhani dan Siti Nurhayati* ABSTRAK OTOMATISASIPENGHITUNGANPERSENTASEPARASITEMIAPlasmodium falciparum MENGGUNAKANPERANGKATLUNAKNISHELEMENTD 2.3. Salah satu metode untukmengetahuiefektifitasobatdanvaksinmalariaadalahdenganmenghitungpersentaseparasitemia Plasmodium falciparum pada preparat apusan tipis darah manusia yang terinfeksi malaria. Penghitungan persentaseparasitemiaumumnyadilakukansecaramanualmenggunakanmikroskopcahaya,yang membutuhkan waktu lama serta keahlian untuk menentukan parasitemia di dalam sel darah merah. Untuk mengatasihaltersebutdiperlukanprogramyangdapatmenghitungsecaraotomatisjumlahseldarah merah total dan sel darah merah yang terinfeksi P. falciparum.Tujuan penelitian yang dilakukan adalah membuat macro pada perangkat lunak NISH Element D yang dapat digunakan untuk menghitung jumlah sel darah merah total dan jumlah sel darah merah yang terinfeksi P. falciparum secara otomatis. Sebanyak tigapreparatapusantipisdarahmanusiayangtelahterinfeksiP.falciparumdiamatidalamtigawaktu pengamatan yang berbeda yaitu pada hari ke 5, 7 dan 9 paska infeksi P. falciparum. Total sebanyak 150 citradianalisissecaramanualdanotomatismenggunakanprogrammacroyangsudahdibuat.Jumlah penghitungantotalseldarahmerahsecaramanualdanotomatisadalahmasing-masingsebanyak14324 seldan14593sel.SedangkanjumlahpenghitungantotalseldarahmerahyangterinfeksiP.falciparum secaramanual dan otomatis adalah masing-masing sebanyak 135 sel dan 252 sel. Hasil pengolahan data secarastatistikmenggunakanUjiTmenunjukkanbahwatidakterdapatperbedaannyataantarajumlah total sel darah merahyang diperoleh secara otomatis dibandingkan dengan manual (P = 0,69, = 0,05). UntukhasilpenghitunganjumlahtotalseldarahmerahyangterinfeksiP.falciparumsecaraotomatis dibandingkandenganmanual hasilpengolahansecarastatistikmenggunakanUjiTmenunjukkanbahwa terdapat perbedaan secara nyata antara hasil yang diperoleh secara otomatis dibandingkan dengan manual (P=0,=0,05).Pengembanganlebihlanjutterhadapmacroyangdibuatperludilakukanuntuk meningkatkan keakuratan penghitungan jumlah sel darah merah terinfeksi P. falciparum. Kata kunci: Malaria, Perangkat Lunak, Parasitemia, Plasmodium falciparum ABSTRACT AUTOMATIONPlasmodiumfalciparumPARASITEMIAPERCENTAGECOUNTUSING NISHELEMENTD2.3SOFTWARE.Methodthatcanbeusetodeterminetheeffectivenessofanti malaria drugs and vaccines is calculated the percentage of Plasmodium falciparum parasitemia on thin bloodsmearofhumanthatalreadyinfectedwithP.falciparum.Thepercentageofparasitemiacount generally had done manually using a light microscope. This process is requires expertise to determine the parasitemiaintheredbloodcellsandtakesalongertime.Toovercomethisproblemdevelopinga programthatcanautomaticallycalculatethetotalnumberofredbloodcellsandredbloodcellsthat infectedwithP.falciparummustbedone.AimofthisresearchiscreatedamacroonNISHElementD 2.30softwarethatcanbeusedtoautomaticallycalculatethetotalnumberofredbloodcellsandred * Pusat Teknologi Keselamatan dan Metrologi Radiasi - BATAN Jakarta, e-mail: dhani02@batan.go.id Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (173-186) 174 blood cell infected with P. falciparum. Three human thin blood smears that have been infected withP. falciparum was observed at three different observation time which are on day 5, 7 and 9 post-infection of P.falciparum.Totally150imageswereanalyzedmanuallyandautomaticallyusingamacroprogram thathasbeenmade.Manuallycountingthetotalnumberofredbloodcellsare14324cells,whilethe automaticare14593cells.Manuallycountingtotalnumbertheinfectedredbloodcellsare135cells, whiletheautomaticare252cells.StatisticalanalysisusingT-testshowedthatthereisnosignificant differencebetweenthetotalnumberofredbloodcellsareobtainedautomaticallycomparedtothe manual(P=0.69,=0.05).WhilestatisticalanalysisusingT-testfortotalnumbertheinfectedred blood cells of P. falciparum obtain automatically compared with manually process showed that there are a significant differences between the results obtained are automatically compared to the manual (P = 0, = 0.05). Further development of the macro is needs to be done to improve the accuracy of counting the number of red blood cells infected with P. falciparum. Keywords: Malaria, Software, Parasitemia, Plasmodium falciparum PENDAHULUAN Malaria adalah penyakit infeksius dan dapat menyebabkan gangguan kesehatan yangserius.Setengahdaripopulasididuniaterutamapadanegaraberkembang berisiko terkena penyakit malaria [1]. World Health Organization (WHO) menyatakan bahwasebanyakkuranglebihsatu jutakematian terjadiakibatmalaria dan lebihdari 250jutaorangterinfeksimalariatiaptahunnya.Malariadisebabkanolehparasitdari genus Plasmodium dan Plasmodium falciparum berkontribusi menyebabkan kematian sebesar 98% [1,2]. PemahamanmengenaifenomenabiologisP.falciparummeningkatseiring denganditemukannyametodekulturinvitroparasitemia.Penghitunganpersentase parasitemiadalamseldarahmerahadalahsalahsatucarauntukmengetahuirespon P.falciparumterhadapobatantimalaria.danresistensiP.falciparumterhadapobat antimalaria.Penghitunganpersentaseparasitemiadilakukandenganmenghitung jumlahseldarahmerahyangterinfeksiparasitemiadanjumlahtotalseldarahmerah secaramanualmenggunakanmikroskopcahaya.Prosespenghitunganpersentase parasitemiasecaramanualmerupakanprosesyangmembutuhkanwaktulamaserta memerlukan keahlian untuk menentukan parasitemia didalam sel darah merah [3]. Prosespenghitunganpersentaseparasitemiadapatdilakukansecaraotomatis menggunakankomputeruntukmengolahcitradigitalpreparatapusantipisyang diperolehdarisistempengambilancitrakhususuntukmikroskop.Pengolahancitra digitalsaatinimemilikiperananpentingdalampenelitianbiologi.Pengolahancitra digitalbertujuanuntukmemperbaikikualitascitraagarmudahdiinterpretasioleh manusiaataumesin(dalamhaliniadalahkomputer).Setelahkualitascitramenjadi lebihbaik,dilakukanprosespengenalanpola(patternrecognition)untukmengenali suatuobjektertentudidalamcitra.Pengenalanpoladiawalidenganpengelompokan datanumerikdansimbolikdidalamcitrasecaraotomatisolehkomputer.Tujuan pengelompokanadalahuntukmengenalisuatuobjekdidalamcitra.Manusiabisa mengenaliobjekyangdilihatnyakarenaotakmanusiatelahbelajarmengklasifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainnya. Otomatisasi Perhitungan Presentase Parasitemia Plasmodium Falciparum ... (Dwi Ramadhani, Siti Nurhayati) 175 Kemampuansistemvisualmanusiatersebutyangdicobaditiruolehkomputer. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa deskripsi objek di dalam citra [4]. Siodkkpadatahun2006berhasilmembuatMalariaCountyaitusuatuprogram pengolahancitradigitalyangdapatdigunakanuntukmendeteksiparasitemiapada citraapusantipisdarahmanusia.MalariaCountdibuatdalamlingkunganbahasa pemrogramanMATLAB6.5.MalariaCountmemilikibeberapatahapanpengolahan citrauntukdapatmendeteksikeberadaanparasitsertamenghitungpersentase parasitemiasecaraotomatis.Tahapanpertamaadalahprosespendeteksiantepisel darahmerahpadacitradengansebelumnyadilakukanperbaikancitradenganoperasi ekualisasihistogramadaptif(adaptifhistogramequalization).Ekualisasihistogram bertujuanuntukmenghasilkanhistogramcitrayangseragam.Histogramcitraadalah histogramdarinilaiintensitaspixelpadasebuahcitra.Histogramcitramenampilkan banyaknyapixeldalamsuatucitrayangdikelompokkanberdasarkanlevelnilai intensitas pixel yang berbeda [5] .Setelahdilakukanpendeteksiantepiseldarahmerahdalamcitraberikutnya dilakukan proses operasi morfologi yaitu hole filling seperti terlihat pada Gambar 1.3 sehingga terlihat bahwa tiap sel darah merah ditunjukkan oleh bagian berwarna putih. Holefillingmerupakanprosespengisiansuatuhole,holedidefinisikansebagaiarea background(bagianberwarnahitampadaGambar1.2)yangdikelilingioleh foregroundpixel(bagianberwarnaputih)yangsalingberkonektivitas.Terkadang dalam citra apusan tipis terdapat citra sel darah merah yang saling bersinggungan atau tumpangtindihsehinggamenjadisatukesatuan.Untukmemisahkancitraseldarah merah tersebut dilakukan proses segmentasi sehingga dapat diketahui jumlah total sel darahmerahdalamcitraapusantipis.Tahapanterakhiradalahtahapanpendeteksian parasit di dalam sel darah merah. Proses pendeteksian parasit di dalam sel darah merah dilakukandengancaramengerosicitrabinerhasilholefilling.Proseserosiakan memperkecilwilayahteranghinggatersisabagianparasityangberadadidalamsel darah merah (Gambar 1.4 dan 1.5). Prosespengolahancitradanpengenalanpolapadacitradigitalpreparatapusan tipisdarahmanusiadapatdilakukandenganmenggunakanperangkatlunakNISH Element.NISHElementadalahperangkatlunakpencitraanyangdapatdigunakan untukpengambilancitradarimikroskop(akuisisi citra)sertapenyimpanandatacitra. NISHElementmenyediakanfasilitaspembuatanmacroyangdapatdigunakanuntuk menghitungjumlahtotalseldarahmerahpadacitrapreparatapusan tipisdan jumlah seldarahmerahyangterinfeksiPlasmodium.Macroadalahbaris-bariskode pemrogramanyangberisiperintahuntukmenentukanmasukandankeluarandalam bahasa pemrograman tertentu.Tujuan penelitian yang dilakukan adalah membuat macro pada perangkat lunak NISHElementDyangdapatdigunakanuntukmenghitungsecaraotomatistotalsel darahmerahdanseldarahmerahyangterinfeksiparasitPlasmodium.Hasilyang diperolehsecaraotomatisakandibandingkandenganhasilpenghitungansecara manual untuk mengetahui tingkat keakuratan macro dalam menghitung total sel darah Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (173-186) 176 merahdanjumlahseldarahmerahyangterinfeksiparasitpadacitradigitalpreparat apusan tipis darah. Gambar 1. Tahapan pengolahan citra pada penelitian Sio dkk [3] TATA KERJA Pengambilan citra preparat apusan tipis Plasmodium falciparum Preparatapusantipisdiamatipadaperbesaran1000Xmenggunakanmikroskop cahayaNikonE200denganlensaobjektifNikonEPlan100X/1,25dandilengkapi kameradigitalNikonDS-Fi1yangterhubungsecaralangsungkekomputer.Citra digitalpreparatapusantipisdiambildenganmenggunakanperangkatlunakNISH ElementD2.3.Sebanyaktigapreparatdaritigaharipengamatanyangberbedayaitu padaharike5,7dan9paskainfeksiP.falciparumdiamatidandilakukan pengambilansebanyaklimapuluh citradarisetiappreparat. Totalsebanyak150citra diperoleh dan disimpan dalam komputer. Analisa citrapreparat apusan tipis Plasmodium falciparum Perangkat lunak NISH Element D 2.3 digunakan untuk menganalisa citra digital denganmembuatmacroyangdapatmenghitungsecaraotomatisjumlahseldarah merahtotaldanjumlahseldarahmerahyangterinfeksiPlasmodium.Macrotersebut terdiridaribeberapatahapanuntukmenghitungsecaraotomatisjumlahseldarah merah total dan jumlah sel darah merah yang terinfeksi Plasmodium, tahapan tersebut adalah. Pendeteksian total sel darah merah Proses pendeteksian total sel darah merah dilakukan dengan mengkonversi citra digital berwarna menjadi citra kelabu (grayscale). Proses pengkonversian citra digital Otomatisasi Perhitungan Presentase Parasitemia Plasmodium Falciparum ... (Dwi Ramadhani, Siti Nurhayati) 177 berwarna menjadi citra grayscale dapat dilakukan secara otomatis oleh NISH Element D dengan menjalankan perintah (command) sebagai berikut. ColorToGray(); Sebelumprosespengambanganpadacitrakelabudilakukanprosesnegasiatau proses perubahan nilai pixel terlebih dahulu dengan menggunakan persamaan berikut. U = 2X U [5]. Dengan U dan U adalah nilai citra setelah dan sebelum dilakukan proses negasi dan X menyatakan nilai bit dari gray level citra. Proses negasi bertujuan agar citra sel darah merah yang semulaberwarna gelap pada citra grayscale akan berubah menjadi terang setelah dilakukan proses negasi. Hal tersebut dikarenakan pada NISH Element D proses pengambangan akan mengubah daerah terang menjadi merah pada citra biner sebagai hasil proses pengambangan. ComplementColor(); AutoContrastEx(); Setelahprosesnegasidilakukan,prosespengambangankemudiandilakukan dengan perintah sebagai berikut. DefineThreshold(95,95,95,255,255,255,0); Threshold(); Nilai T yang digunakan pada proses pengambangan adalah 95 berdasarkan hasil percobaanyangdilakukanbahwadengannilaiTsebesar95,seluruhcitraseldarah merahakanterkonversimenjadimerah(Gambar1)padacitrabinersebagaihasil prosespengambangan.Citrabineradalahcitradigitalyanghanyamemilikidua kemungkinannilaipixelyaituumumnyaadalahhitamdanputih.Terkadangcitrasel darahmerahmemilikibagianberwarnaputihpadabagiantengahsehinggaperlu dilakukan proses hole filling pada citra biner hasil proses pengambangan. Proses hole fillingmerupakansalahsatumetodematematikamorfologi(mathematical morphology)yangdapatdilakukanmenggunakanNISHElementDdengan menjalankan perintah berikut. FillHoles(); Setelahprosesholefillingdilakukanprosespemisahanseldarahmerahyang salingbersentuhanatautumpangtindihsecaraotomatis.Prosespemisahancitrasel darah merah dilakukan dengan perintah sebagai berikut. MorphoSeparateObjects(15,2) Terkadangpadacitrabinerhasilprosespengambanganterdapatcitraobjek pengotorsepertikotoranpewarnaGiemsayangmemilikinilaipixelhampirsama dengancitraparasitpadaapusantipisdarah.Untukmenghilangkanobjektersebut padacitrabinerhasilprosespengambangandilakukanmetodematematikamorfologi Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (173-186) 178 yaituclean.Prosescleandilakukandenganmengerosicitraterlebihdahulusehingga objekkecilakanhilangkemudianoperasidilasidilakukanpadaobjekyangtersisa sehinggakembalisepertisemula.Prosescleandilakukandenganperintahsebagai berikut. CleanBinary(10,100); Terakhirdilakukanprosespenghitungansecaraotomatistotaljumlahobjek berwarnamerahyangmerupakancitrabinerdariseluruhseldarahmerahpadacitra apusan tipis darah. Proses tersebut dilakukan dengan perintah sebagai berikut. ScanObjects(); _ObjectData(); Flowchart pendeteksian total sel darah merah dapat dilihat pada Gambar 2. Gambar2.Flowchartpendeteksiantotalseldarahmerah(1.Citraawalsebelum dilakukanpengolahancitra.2.Konversicitramenjadicitrakelabu3.Negasicitra kelabu4.Peningkatankontrascitra5.ProsespengambangancitradengannilaiT sebesar95menghasilkancitrabineryangmenjadilayertersendiridiatascitraasli6. Prosesholefillingpadacitrabiner7.Prosescleanpadacitrabiner8.Proses penghitunganjumlahobjekberwarnamerahdidalamcitra9.Hasilpenghitungan objek berwarna merah yang menunjukkan jumlah total sel darah merah). Pendeteksian parasitPlasmodium falciparum Prosespendeteksianparasitdilakukandenganmeningkatkansaturasicitra terlebihdahuluagarparasityangberadadidalamseldarahmerahdapatdideteksi denganbaik.Saturasimenunjukkantingkatkemurnianataupunkedalamanwarna, sekaligusmenunjukkanseberapabesarsuatuwarnamengandungwarnaputih.Saat nilai saturasi berkurang, maka nilainya akan mendekati keabu-abuan (Gambar 3) [7]. 1 4 23 5 6 789 Otomatisasi Perhitungan Presentase Parasitemia Plasmodium Falciparum ... (Dwi Ramadhani, Siti Nurhayati) 179 Gambar 3. Tingkat saturasi warna [7] ProsespeningkatancitrapadaNISHElementDdilakukandenganperintah sebagai berikut. ChangeSaturationEx(100); Langkahselanjutnyaadalahmengolahcitrapadakanalhijau(greenchannel) dengan terlebih dahulu dilakukan ekstraksi kanal hijau citra. Ekstraksi kanal hijau citra akanmenghasilkancitrakelabu,sehinggaprosespengambangandapatdilakukan untuk mendeteksi parasit dalam sel darah merah. Berbeda dengan proses pendeteksian totalseldarahmerahyangdilakukandenganmengubahcitraberwarnamenjadicitra kelabuterlebihdahulu,prosespendeteksianparasitdilakukandenganmengekstraksi kanal hijau dikarenakan pada kanal hijau memiliki kontras tertinggi antara parasit dan materi lainnya (Gambar 4.2). Gambar4.Perbedaankontrascitradaritiapkanalcitra(1.Kanalmerah(Red channel) 2.Kanal Hijau (Green Channel) 3. Kanal Biru (Blue Channel)) Prosesekstrasikanalcitraberwarnaumumdilakukanuntukmemilihterlebih dahulukanalyangmemilikikontrastertinggidariobjekyangingindikenali.Hal tersebut dikarenakan dengan mengolah citra pada kanal dengan kontras tertinggi akan menghasilkancitrabineryangterbaikuntukdilakukanpenghitungansecaraotomatis [8].PerintahekstraksikanalhijaupadaNISHElementDdilakukandenganperintah sebagai berikut. Extract(1); Langkah selanjutnya adalah melakukan proses negasi, sama seperti pada proses pendeteksiantotalseldarahmerahsebelumdilakukanprosespengambangan.Proses negasi dilakukan dengan perintah sebagai berikut. ComplementColor(); Selanjutnyadilakukanprosespengambangandengannilaiambang(T)sebesar 200. Hal tersebut berdasarkan hasil percobaan bahwa dengan nilai ambang (T) sebesar 123 Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (173-186) 180 200hanyaparasitdidalamseldarahmerahyangterdeteksi.Prosespengambangan kemudian dilakukan dengan perintah sebagai berikut. DefineThreshold(200,200,200,255,255,255,0); Threshold(); Prosesselanjutnyaadalahprosesdilasipadacitrabinerhasilproses pengambangan. Dilasi dilakukan dengan tujuan agar dua area pada citra biner sebagai hasilprosespengambanganpadacitraakanmenjadisatusehinggamenunjukkan jumlah darah yang terinfeksi oleh parasit bukan jumlah parasit dalam sel darah merah. Proses dilasi dilakukan dengan perintah sebagai berikut. DilateBinary(10,100); Terakhirdilakukanprosespenghitungansecaraotomatistotaljumlahobjek berwarnamerahyangmerupakancitrabinerdariseluruhseldarahmerahpadacitra apusan tipis darah. Proses tersebut dilakukan dengan perintah sebagai berikut ScanObjects(); _ObjectData(); Flowchart pendeteksian parasit dapat di lihat pada Gambar 6. Gambar6.Flowchartpendeteksianparasit(1.Citraawalsebelumdilakukan pengolahan citra. 2. Peningkatan saturasi citra 3. Ekstraksi kanal hijau citra 4. Negasi citra kelabu 5. Proses pengambangan citra dengan nilai T sebesar 200 6. Proses dilasi pada citra biner 7. Proses penghitungan jumlah objek berwarna merah di dalam citra 8. Hasilpenghitunganobjekberwarnamerahyangmenunjukkanjumlahtotalseldarah merah).Macro yang telah dibuat dapat dijalankan secara otomatis pada perangkat lunak NISHElementDsetelahselesaidilakukanprosespengambilancitratiappreparat. Secara keseluruhan macro yang di buat ditunjukkan pada Gambar 7. 12 4 7 3 5 86 Otomatisasi Perhitungan Presentase Parasitemia Plasmodium Falciparum ... (Dwi Ramadhani, Siti Nurhayati) 181 Gambar7.Macrountukpenghitunganotomatisjumlahseldarahmerahtotaldan jumlah sel darah merah yang terinfeksi Plasmodium. Pengolahan data statistik Hasilpenghitunganjumlahtotalseldarahmerahsertaseldarahmerahyang terinfeksi parasit secara otomatis dan manual diolah secara statistik menggunakan Uji TdenganhipotesisH0adalahtidakterdapatperbedaansecaranyatahasilyang diperolehsecaraotomatisdibandingkandengansecaramanual.Tarafnyatayang digunakan () adalah 0,05. HASIL PENELITIAN Hasilpenghitunganjumlahtotalseldarahmerah(SDM)sertaseldarahmerah yangterinfeksisecaraotomatisdanmanualdari150citradisajikanpadatabel1. Jumlahpenghitungantotalseldarahmerahsecaramanualdanotomatisadalah masing-masingsebanyak14324seldan14593sel.Sedangkanjumlahpenghitungan total sel darah merah yang terinfeksi P. falciparum secara manual dan otomatis adalah masing-masing sebanyak 135 sel dan 252 sel. Tabel 1. Hasil penghitungan jumlah total sel darah merah serta sel darah merah yang terinfeksi secara otomatis dan manual dari 150 citra berbeda OtomatisManual Perbedaan Total SDM1459314324269 Total SDM Terinfeksi 252135117 Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (173-186) 182 AnalisisstatistikmenggunakanujiTterhadaphasilpenghitunganjumlahtotal seldarahmerahsecaraotomatisdibandingkandenganmanualmenunjukkantidak terdapatperbedaansecaranyataantarahasilyangdiperolehsecaraotomatis dibandingkandenganmanual(P=0,69).Untukhasilpenghitunganjumlahseldarah merahterinfeksisecaraotomatisdibandingkandenganmanualujiTmenunjukkan terdapatperbedaansecaranyataantarahasilyangdiperolehsecaraotomatis dibandingkandenganmanual(P=0).Diagrampencar(scatterplot)menunjukkan terdapat korelasi yang kuat (r = 0,99) antara hasil penghitungan jumlah total sel darah merah secara otomatis dibandingkan dengan manual (Gambar 8). Gambar8.DiagramPencar(scatterplot)antarahasilpenghitunganjumlahtotalseldarah merah secara otomatis dibandingkan dengan manual. PEMBAHASAN Hasilpengolahandatasecarastatistikmenunjukkanperbedaansecaranyata antara hasil jumlah total sel yang terinfeksi parasit secara manual dan otomatis. Hasil pengolahansecaraotomatiscenderunglebihtinggi(overestimated)dibandingkan denganhasilsecaramanual.Haltersebutkemungkinankarenadisebabkanbeberapa faktor.Pertamaadalahbahwanilaiintensitaswarnapixelpadacitraparasitterutama parasit bentuk cincin (ring) tidak berbeda jauh dengan nilai intensitas warna pixel citra seldarahmerah.Perbedaannilaiintensitaspixelyangrendahantaraparasitbentuk ringdanseldarahmerahmenyebabkanprosespengambanganyangdilakukangagal mendeteksikeberadaanparasitsehinggasecaraotomatismacrogagalmendeteksi keberadaanselyangterinfeksiparasitbentukcincin.PenelitianSavkaredkk memperlihatkan hasil yang serupa yaitu jumlah total sel yang terinfeksi parasit secara otomatis cenderung lebih tinggi dari penghitungan manual [6]. Otomatisasi Perhitungan Presentase Parasitemia Plasmodium Falciparum ... (Dwi Ramadhani, Siti Nurhayati) 183 SecaraumumcitraparasithasilpewarnaandenganGiemsaakanmenunjukkan warnaungutua,sedangkancitraseldarahmerahditunjukkandenganwarnaungu mudaatauterkadangberwarnamerahmuda(pink)(Gambar9a).Makintingginilai intensitas warna ungu atau semakin tua warna ungu maka akan semakin tinggi tingkat keberhasilanpendeteksianparasitmenggunakanprosespengambangan.Haltersebut terlihat dari hasil percobaan bahwa parasit dalam tahap cincin dalam sel darah merah (Gambar 9b) lebih sulit dideteksi melalui proses pengambangan dibandingkan dengan parasit pada tahap thropozoite (Gambar 9c) dan schizont (Gambar 9d). Gambar9.Citraseldarahmerahnormaldanterinfeksiparasit(a.Seldarahmerah normaldenganberbagaibentukdanwarnab.Parasittahapcincinc.Parasittahap trophozoiteawalyangmerupakantahaptransisidaricincinkebentuksempurnad. Parasittahapschizontyangdicirikandenganbentukovalcukupbesardidalamsel darah merah [9]. Faktorkeduaadalahprogrammacrogagalmenghitungjumlahseldarahmerah merahyangterinfeksidenganbenar.Haltersebutumumnyaterjadipadaselyang terinfeksiparasitdalambentukcincinlebihdarisatu.Rendahnyanilaiintensitas parasitbentukcincindapatmenyebabkanareahasilprosespengambanganyang terbentuk sangat kecil, sehingga setelah dilakukan proses dilasi pada kedua area pada citrabinertetaptidakmenyatumenjadisatuarea.Jarakantarakeduaparasitbentuk cincindidalamseldarahmerahyangberjauhanakanmakinmempersulitpenyatuan dua area yang terbentuk. Faktor lain adalah terdapat sel darah putih yang oleh macro dideteksisebagaiseldarahmerahyangterinfeksi,karenaintipadaseldarahputih memilikiintensitaswarnayanghampirsamadenganparasityaituungutua.Kotoran Giemsapadapreparatapusantipisdideteksisebagaiparasitolehmacrosehingga penghitunganjumlahselyangterinfeksisecaraotomatisakanlebihtinggidarinilai yang sebenarnya (Gambar 10). Gambar 10. Pengotor dari zat pewarna Giemsa (dalam lingkaran merah) Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (173-186) 184 Meskipun macro yang dibuat belum akurat dalammenentukan jumlah sel yang terinfeksiparasit,pengolahandatamenggunakanmacropadaNISHElementD memilikibeberapakelebihan.Pertamacitradapatlangsungdiprosestanpaharus memindahkandatacitrauntukdianalisadenganmenggunakankomputerlain. Peningkatan keakuratan macro dapat dilakukan dengan mengubah nilai ambang yang digunakan untuk mendeteksi keberadaan parasit. Hasil percobaan menunjukkan bahwa nilai ambang (T) sebesar 200 cukup akurat untuk mendeteksi keberadaan parasit pada salah satu preparat tetapi tidak untuk kedua preparat yang lain. Strategi lain yang dapat dilakukanadalahmenghitungsecaramanualjumlahselyangterinfeksi,meskipun dengancaratersebutberartipenghitungannilaipersentaseparasitemiatidaklagi dilakukan secara otomatis.Peningkatankeakuratanmacroakanmeningkatseiringdenganmeningkatnya kualitasapusantipisdarah.Preparatapusantipisyangbersihdarikotoranpewarna Giemsadansel-seldarahmerahterpisahdenganbaiksatudenganlainnyaakan meningkatkan keakuratan macro baik dalam mendeteksi jumlah total sel darah merah danseldarahmerahyangterinfeksiparasit.Meskipundemikianpadakenyataan sebenarnyasulitsekaliuntukmembuatpreparatapusantipisyangmemilikikualitas baik secara konsisten pada tiap waktu pengamatan yang berbeda. Terlebih bahwa tidak adaprosedurbakudapatuntukmenghasilkanpreparatapusantipisberkualitasbaik. Selainhaltersebutpadaprosespengambilan(akuisisi)citrapreparatapusantipis terdapatfaktorketidakrataansumbercahaya(unevenillumination)yangdapat menyebabkanpenurunanintesitaswarnaparasitdidalamseldarahmerahsehingga parasit gagal dideteksi oleh macro.KeberadaanpengotordaripewarnaGiemsasertaseldarahputihdanfaktor ketidakrataanpencahayaanpadacitramerupakanpermasalahanyangumumditemui padabeberapapenelitianmengenaipenghitungansecaraotomatispersentase parasitemia.PenelitianSiodkk[3],Diazdkk[9]sertaMadkk[10]menunjukkan bahwakualitaspreparatapusantipisyangbaik(bersihdaripengotorGiemsa,sel-sel darahmerahterpisahdenganbaiksatudenganlainnnya)dapatmeningkatkan keakuratan penghitungan secara otomatis persentase parasitemia.Hasil penghitungan jumlah total sel darah merah secara otomatis menggunakan macro cenderung lebih tinggi (overestimated) dari nilai yang sebenarnya, namun pada beberapacitrahasilnyalebihrendahdarinilaisebenarnya.Haltersebutdapatterjadi karenaterdapatseldarahmerahyangsalingtumpangtindih(overlapping)atau bersinggungan dan gagal dipisahkan oleh macro sehinga di hitung sebagai satu objek. Semakinsedikitterdapatseldarahmerahyangsalingtumpangtindihmakaakan semakinakuratpenghitunganjumlahtotalseldarahmerahsecaraotomatis menggunakan macro yang telah dibuat. Hal tersebut sesuai dengan peryataan Diaz dkk [9]bahwadeteksiseldarahmerahmenggunakantekniksegmentasikonvensional yaitupengambangansangatbergantungterhadapkualitaspreparatapusantipis. Semakinterpisahdenganbaikantarasel-seldarahmerahsatudenganlainnyamaka akan semakin tinggi tingkat keberhasilan pendeteksian. Otomatisasi Perhitungan Presentase Parasitemia Plasmodium Falciparum ... (Dwi Ramadhani, Siti Nurhayati) 185 KESIMPULAN Programmacrountukpenghitungansecaraotomatisjumlahseldarahmerah totaldan jumlahseldarah merahyangterinfeksiP.falciparumpadaperangkat lunak NISHElementD2.3telahberhasildibuat.Secarakeseluruhanmacrobelumakurat dalammenghitungjumlahseldarahmerahyangterinfeksiolehP.falciparum. Pengembanganlebihlanjutterhadapmacroperludilakukanuntukmeningkatkan keakuratan penghitungan jumlah sel darah merah yang terinfeksi P. falciparum. DAFTAR PUSTAKA 1.WMR UNICEF, World Malaria Report. Technical Report, WMR and UNICEF, 2005. 2.HISAEDA,H.,YASUTOMO,K.,HIMENO,K.,Malaria:immuneevasionby parasite,Int. J. Biochem. Cell Biol. 37 (2009) 700-706. 3.SIO, S.W., SUN, W., KUMAR, S., BIN, W.Z., TAN, S.S., ONG, S.H., KIKUCHI, H.,OSHIMA,Y.,DANTAN,K.S.,MalariaCount:animageanalysis-based program for the accurate determination of parasitemia, J Microbiol Methods, 68 (2007)11-18. 4.MUNIR,R.,PengolahanCitraDigitalDenganPendekatanAlgoritmik, Informatika, Bandung, 2004. 5.PUTRA, D., Pengolahan Citra Digital. Andi, Yogyakarta, 2010. 6.SAVKARE, S.S., DAN NAROTE. S.P., Automatic Classification of Normal and InfectedBloodCellsforParasitemiaDetection,InternationalJournalof Computer Science and Network Security, 11 (2) (2011) 94-97. 7.KURNIA,RDANNURHADI,S.,DeteksiObjekberbasisWarnadanUkuran DenganBantuanInteraksiKomputer-Manusia,ProsidingSeminarNasional Aplikasi Sains dan Teknologi. IST AKPRIND, Yogyakarta, 2008. 8.SYSKO, L.R, DAN DAVIS, M.A., From Image to Data Using Common Image-ProcessingTechniques,CurrentProtocolsinCytometry,(2010)12.21.1-12.21.17. 9.DIAZ,G.,GONZALEZ,F.A.,DANROMERO,E.,Asemi-automaticmethod forquantificationandclassificationoferythrocytesinfectedwithmalaria parasitesinmicroscopicimages,JournalofBiomedicalInformatics42(2007) 296307. 10. MA,C.,HARRISON,P.,WANG,L.,DANCOPPEL,R.L.,Automated estimationofparasitaemiaofPlasmodiumyoelii-infectedmicebydigitalimage analysis of Giemsa-stained thin blood smears, Malaria Journal 9 (2010) 348. Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (173-186) 186 DISKUSI SAHRUL HIDAYAT 1.Bagaimanamengantisipasipenghitunganseldarahyangbertumpukatauada bagian lain sebagai pengotor? 2.Apakahsoftwareyangdikembangkandapatmendeteksiukuransel,sehingga didapat data distribusi ukuran sel dan jumlahnya? DWI RAMADHANI 1.Untuk yang bertumpuk dapat dilakukan proses segmentasi citra sehingga terpisah satudenganyanglainnya,untukpengotorbisadihilangkandenganberdasarkan ukuran tetapi tidak bisa menggunakan NISH Element D 2.30 karena dikhususkan untuk proses akuisisi citra. 2.Untuk mengetahui ukuran sel dan jumlah sel dapat menggunakan NISH element D 2.30tetapiuntukmengklasifikasikanobjekberdasarkanukurantidakdapat digunakan. DAFTAR RIWAYAT HIDUP 1.Nama: Dwi Ramadhani 2.Instansi: PTKMR-BATAN 3.Pekerjaan: Peneliti Pertama 4.Riwayat Pendidikan: S1 Biologi Universitas Indonesia, Depok 5.Pengalaman Kerja: BATAN 6.Publikasi Ilmiah yang pernah disajikan/diterbitkan: 1.Automated Measurement of Haemozoin Area in Liver Histology using image j 1.6. EECCIS UB Malang. 2.AutomatedDetectionofCongestedCentralVeinLiverHistologyofmice infected with P.berghei using cell profiler 2.0. EECCIS UB.