Rancang bangun automatic scanning microscope berbasis intelligent systems untuk diagnosa mycobacterium tuberculosis secara akurat

Riries Rulaningtyas, ST.,MT and Andriyan Bayu Suksmono, Prof.,Dr.,Ph.D and Franky Chandra, ST.,MT and Winarno, S.Si (2012) Rancang bangun automatic scanning microscope berbasis intelligent systems untuk diagnosa mycobacterium tuberculosis secara akurat. UNIVERSITAS AIRLANGGA. (Unpublished)

[img]
Preview
Text (ABSTRAK)
rulaningty.pdf

Download (836kB) | Preview
Official URL: http://lib.unair.ac.id

Abstract

Dalam penelitian ini telah dihasilkan mikroskop yang dapat melakukan screening lapang pandang secara otomatis. Pada mikroskop cahaya yang ban yak dipakai di puskesmas maupun djnas kesehatan, telah dilakukan rnodifikasi pemutar lapang pandang yang digerakkan olch motor stepper yang dikendalikan gerakannya olch mikrokontroler dan dapat berkomunikasi dengan PC, sehingga PC dapat mdakukan pengendalian juga kepada motor stepper. Selain itu pada mikroskop juga diperlengkapi karnera w~bcam untuk mengambil citra setiap lapang pandang dari pengamatan oleh mikroskop. Automatic scanning microscope yang dihasilkan pada penelitan inL masih membutuhkan perbaikan lagi dari sisi perangkat elektro mekanik. Diharapkan dad hasi I perbaikan akan memperoleh pergeseran lapang pandang yang overlapping, sehingga pcngamatan hakteri TB lebih akurat Hal ini untuk menghindari pengamatan yang tcrlewat utamanya untuk preparat yang ada kecenderungan grade penyakit TBe rendah dan slide yang Ilegatif, yang benar benar rnembutuhkan pengarnatan yang akurat. Software yang dihasilkan dalam penelitian ini digunakan untuk pengolahan citra preparat sputum pada tiap lapang pandang, melakukan pengenalan pola. dan klasifikasi bakteri TB yang diperlukan pada diagnosa grade penyakit TBC melalui pemeriksaan sputum secara mikroskopis. Dari hasil segmentasi wama pad a sub citra melalui kanal hue (ruang warna HSV) memberikan hasil segmentasi yang baik dengan nilai true positive 91,43% dibandingkan dengan kanaI green (ruang wama RGB) mernberikan nilai true positive 28,57%. Hasil ekstrasi ciri dan klasifikasi menggunakan neural network telah mampu mengidentifikasi bakteri TB dengan tepat pada data dengan bentuk bakteri batang tunggal dengan ketepatan klasifikasi 100%, namun belum dapat diirnplementasikan untuk citra bakteri TB yang berbentuk kokoid dan bentuk bakteri TB yang saling bertumpukkan.

Item Type: Other
Additional Information: KKC KK LP.20/13 Rul r
Uncontrolled Keywords: Automatic scanning microscope, sputum, image processing, pattern recognition, classification, lung tuberculosis grade identification
Subjects: Q Science > Q Science (General)
Q Science > Q Science (General) > Q179.9-180 Research
Divisions: Unair Research > Exacta
Creators:
CreatorsEmail
Riries Rulaningtyas, ST.,MTUNSPECIFIED
Andriyan Bayu Suksmono, Prof.,Dr.,Ph.DUNSPECIFIED
Franky Chandra, ST.,MTUNSPECIFIED
Winarno, S.SiUNSPECIFIED
Depositing User: Tn Yusuf Jailani
Date Deposited: 06 Oct 2016 04:40
Last Modified: 06 Oct 2016 04:40
URI: http://repository.unair.ac.id/id/eprint/40888
Sosial Share:

Actions (login required)

View Item View Item