paru - paru tbc

Upload: nda-azza

Post on 16-Oct-2015

109 views

Category:

Documents


1 download

TRANSCRIPT

  • BAB II DASAR TEORI

    5 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    BAB II

    DASAR TEORI

    2.1 Paru-Paru

    Paru-paru adalah organ penting yang merupakan salah satu organ vital

    bagi kehidupan manusia. Organ ini memiliki peranan pada sistem pernapasan,

    karena dapat memenuhi kebutuhan tubuh akan oksigen. Organ yang terletak di

    bawah tulang rusuk ini mempunyai tugas yang berat untuk mengatur pertukaran

    oksigen. Jika udara yang kita hirup tercemar dan terdapat berbagai bibit penyakit

    yang berkeliaran di udara akan menimbulkan berbagai penyakit paru-paru.

    Gambar 2.1 Paru-Paru[1]

    2.1.1 Karakteristik Citra Paru-Paru

    Pada penelitian ini, kondisi paru-paru dianalisis berdasarkan citra yang

    diperoleh dari hasil sinar-X. Karakteristik dari citra tersebut mayoritas berwarna

    abu-abu, namun tetap dalam format RGB.

    Citra paru-paru yang diolah yaitu ketika pasien sedang dalam posisi

    postero-anterior(PA) dan sedang bernafas dalam(inspirasi).

    Gambar 2.2 Pengambilan Foto Paru-Paru Dalam Posisi PA[1]

  • BAB II DASAR TEORI

    6 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    Gambar 2.3 Hasil Foto Rontgen Paru-paru Posisi PA

    Hasil dari citra paru-paru dengan posisi PA, akan diberikan label L(left)

    yang menandakan bagian sebelah kiri dari pasien. Berdasarkan Gambar 2.3, Paru-

    paru terbagi dua oleh mediastinum ditengah-tengah. Di sebelah kiri dan kanan

    mediastinum terdapat paru-paru yang berisi udara, oleh karena itu warnanya

    relatif hitam. Sedangkan pada bagian sebelah kiri bawah terdapat jantung yang

    berisi cairan, sehingga berwarna relatif putih, dan terdapat tulang rusuk yang

    warnanya relatif transparan. Di sebelah bawah rongga paru-paru dibatasi oleh

    kedua diafragma.

    2.1.1.1 Citra Paru-Paru Normal

    Berdasarkan hasil foto rontgen paru-paru, sebuah citra paru-paru

    memerlukan penilaian yang tepat dan teliti sebelum menentukan kondisi paru-

    paru tersebut normal. Dalam keadaan normalpun, penilaian seorang dokter

    mungkin sangat berbeda satu sama lain, karena batas-batas antara normal dan

    sakit sangat samar-samar. Oleh karena itu, diperlukan pengetahuan dasar tentang

    anatomi normal. Berikut adalah dasar anatomi normal[7]

    :

    1. Lung Field (bagian paru-paru) berwarna relatif hitam

    2. Corakan hanya nampak pada bagian tengah paru-paru kiri dan kanan, namun

    corakan tersebut tidak sampai ke ujung kanan atau kiri paru-paru.

    3. Tulang iga yang nampak delapan sampai sepuluh.

    4. Jarak antara paru-paru kiri dan kanan simetris.

  • BAB II DASAR TEORI

    7 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    Berikut adalah contoh citra paru-paru untuk kondisi normal :

    Gambar 2.4 Citra Paru-Paru Normal

    2.1.1.2 Citra Paru-Paru TBC

    Pada dasarnya citra paru-paru TBC terbagi atas dua, yaitu citra untuk

    kondisi primary TBC dan post primary TBC[7]

    . Kondisi primary TBC merupakan

    kondisi dimana terjadi infeksi melalui jalan pernapasan akibat bakteri

    Mycobacterium tuberculosis. Pada citra paru-paru akan tampak sarang kapur

    (ghon) dan bayangan garis-garis halus. Sedangkan kondisi post primary TBC

    merupakan kondisi kronis, dimana terjadi re-infeksi pada seseorang yang

    sebelumnya pernah menderita primary TBC, tetapi tidak diketahui dan

    menyembuh sendiri[7]

    . Pada citra paru-paru akan tampak bayangan bercak-bercak,

    awan-awan, dan lubang(cavitas). Sarang-sarang yang terlihat biasanya pada

    bagian atas paru-paru.

    Gambar 2.5 Citra Primary TBC Gambar 2.6 Citra Post Primary TBC

  • BAB II DASAR TEORI

    8 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    2.1.1.3 Citra Paru-Paru Efusi

    Berdasarkan hasil foto rontgen, citra paru-paru efusi terlihat sangat

    berbeda dengan citra paru-paru normal. Pada kondisi efusi, akan terbentuk cairan

    pada rongga pleura yang menyebabkan warna pada paru-paru akan berubah

    menjadi relatif putih. Cairan tersebut dapat berupa cairan bening, kekeruh-

    keruhan, darah, atau cairan getah bening[7]

    .

    Gambar 2.7 Citra Paru-Paru Efusi

    2.2 Teori Dasar Citra Digital

    Citra dapat diartikan sebagai fungsi kontinu dari intensitas cahaya (x,y)

    dalam bidang dua dimensi, dengan (x,y) menyatakan suatu koordinat spasial dan

    nilai F pada setiap titik (x,y) menyatakan intensitas atau tingkat kecerahan atau

    derajat keabuan (brightness/gray level). Intensitas cahaya yang dimaksud berasal

    dari sumber cahaya, dan cahaya adalah suatu bentuk energi, maka berlaku

    keadaan di mana fungsi intensitas terletak di antara[5]

    : 0

  • BAB II DASAR TEORI

    9 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    2.2.1 Format Warna

    2.2.1.1 RGB (Red, Green, Blue)

    Format RGB (Red, Green & Blue) dapat direpresentasikan dengan

    menggunakan 3 layer. Citra RGB mempunyai array berukuran m x n x 3 yang

    mendefinisikan warna merah, hijau, dan warna biru untuk setiap pikselnya. RGB

    merupakan citra 24 bit dengan komponen merah, hijau, dan biru disimpan

    masing-masing berukuran 8 bit[5]

    . Kombinasinya menjadi 16 juta warna, sehingga

    disebut true color. Pada format RGB, suatu warna didefinisikan sebagai

    kombinasi (campuran) dari komponen warna R, G dan B.

    Gambar 2.9 Komponen Warna RGB[5]

    2.2.1.2 Grayscale

    Graycsale dapat didefinisikan sebagai tingkat keabu-abuan dari suatu citra.

    Tingkat warna abu-abu dari sebuah piksel, dapat juga dikatakan tingkat cahaya

    dari sebuah piksel. Maksudnya nilai yang terkandung dalam piksel menunjukan

    tingkat terangnya piksel tersebut dari hitam ke putih. Biasanya ditetapkan nilainya

    antara 0 hingga 255 (untuk 256 level derajat keabuan), dengan 0 adalah hitam dan

    255 adalah putih.

    Gambar 2.10 Derajat Keabuan (dari hitam ke putih)[5]

  • BAB II DASAR TEORI

    10 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    2.2.1.3 BW (Black white)

    Black white merupakan warna citra yang mewakili hitam dan putih.

    Sebuah citra biner disimpan dalam matriks dengan nilai 0 dan 1. Pembentukan

    citra biner memerlukan nilai batas keabuan yang akan digunakan sebagai nilai

    batas. Piksel dengan derajat keabuan lebih besar dari nilai batas akan diberi nilai 1

    dan sebaliknya piksel dengan derajat keabuan lebih kecil dari nilai batas akan

    diberi nilai 0.

    Citra Asli Citra Biner

    Gambar 2.11 Proses RGB ke BW[5]

    2.2.2 Teori Contrast Stretching

    Peningkatan kualitas citra memiliki tujuan meningkatkan kualitas citra,

    untuk menonjolkan ciri dalam citra dan untuk memperbaiki aspek tampilan citra

    sebelum dilakukan ekstraksi ciri. Peningkatan kualitas citra yang digunakan pada

    tugas akhir ini yaitu pengontrasan contrast streching, pada MATLAB, fungsi ini

    disebut imadjust. Contoh pemrogramannya adalah sebagai berikut :

    c_kon = imadjust(citra gray,stretchlim(citragray),[bts_bwh bts_atas]);

    Penentuan parameter batas atas dan batas bawah sangat tergantung dari keadaan

    citra dan kebutuhan citra masukan yang kita miliki.

    2.3 Teori Filter 2D Gabor Wavelet

    Filter 2D gabor wavelet telah terbukti sebagai algoritma yang ampuh untuk

    ekstraksi ciri yang kuat. Filter ini menyediakan band filter kompleks terbatas

    dengan lokalisasi yang optimal, baik spasial maupun domain frekuensi. Filter

    spasial bandpass yang optimum meminimalisasi ciri yang tidak penting dalam

    domain spasial dan frekuensi.

  • BAB II DASAR TEORI

    11 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    Secara umum filter gabor 2D dapat didefinisikan dalam domain spasial

    sebagai berikut [6]

    :

    sincosexp2

    exp2

    1),(

    222 yx

    yxayxh j

    (2.1)

    dimana

    2,0,......2,1,0,2

    1danja

    Pemilihan frekuensi j dan orientasi yang berbeda-beda akan membentuk

    sebuah filter. Vektor ciri dihasilkan dari keluaran filter dengan kombinasi nilai

    frekuensi j dan nilai orientasi sehingga menghasilkan sejumlah ciri (feature)

    dari sebuah tekstur. Jumlah ciri yang dihasilkan sesuai dengan jumlah frekuensi

    dan orientasi yang telah ditentukan. Semakin banyak frekuensi dan orientasi

    yang digunakan, maka jumlah ciri yang dihasilkan semakin banyak.

    Proses ekstraksi ciri menggunakan filter 2D gabor wavelet dilakukan untuk

    menghasilkan sejumlah ciri, melalui tahapan proses seperti pada Gambar 2.12 :

    Gambar 2.12 Proses Ekstraksi Ciri dengan Filter 2D gabor wavelet[2]

  • BAB II DASAR TEORI

    12 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    Pada Gambar 2.12, dapat dilihat proses pembentukan filter 2D gabor

    wavelet dan proses ekstraksi ciri citra karakter. Untuk menghasilkann sejumlah

    ciri, level frekuensi j yang digunakan adalah berbeda-beda dan orientasi yang

    digunakan juga berbeda. Keluaran filter merupakan modulasi dari rata-rata

    konvolusi mask filter riil dan imaginer terhadap citra karakter.

    aveIaveROutput 22 (2.2)

    Dimana Rave merupakan hasil konvolusi dari citra karakter dengan filter mask riil

    sedangkan Iave merupakan hasil konvolusi dari citra karakter dengan filter mask

    imajiner [6]

    .

    2.4 Teori Fuzzy

    Logika fuzzy merupakan sebuah metode pemecahan masalah yang biasanya

    masalah tersebut berada diluar model matematis atau inexact[8]

    . Logika fuzzy

    menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari

    informasi yang ambigu. Pada dasarnya, logika fuzzy menyerupai pembuatan

    keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang

    ditafsirkan dan mencari solusi yang tepat. Logika fuzzy pada dasarnya merupakan

    logika bernilai banyak (multivalued logic) yang dapat mendefinisikan nilai

    diantara keadaan konvensional seperti ya atau tidak, benar atau salah, hitam atau

    putih, dan sebagainya[8]

    . Penalaran fuzzy menyediakan cara untuk memahami

    kinerja dari system dengan cara menilai masukan dan keluaran system dari hasil

    pengamatan. Secara matematis himpunan fuzzy dinyatakan sebagai berikut [8]

    :

    A : X [0,1] (2.3)

    Dengan A menyatakan fungsi karakteristik untuk crisp set, A dan X

    menyatakan himpunan semesta. Fuzzy set menghasilkan fungsi tersebut sehingga

    nilai yang diberikan pada elemen-elemen dalam suatu semesta berada pada

    interval tertentu dan menyatakan derajat keanggotaan elemen-elemen itu pada

    konsep yang dinyatakan oleh fuzzy set. Semakin besar nilainya menunjukkan

    derajat keanggotaan yang lebih besar.

  • BAB II DASAR TEORI

    13 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    2.4.1 Fungsi Keanggotaan

    Fungsi keanggotaan merupakan suatu kurva yang menunjukkan pemetaan

    titik-titik masukan data kedalam derajat keanggotaannya yang memiliki interval 0

    sampai 1 [8]

    . Di dalam sistem fuzzy, fungsi keanggotaan memiliki peranan yang

    sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan

    yang akurat. Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan.

    Disini hanya membahas empat fungsi keanggotaan yang sering digunakan,

    yaitu[8]

    :

    1. Fungsi Sigmoid

    Pada fungsi ini, disebut fungsi sigmoid, karena sesuai dengan namanya,

    fungsi ini berbentuk kurva sigmoidal seperti huruf S. Setiap nilai x (variabel

    linguistik) dipetakan ke dalam interval derajat keanggotaam ( ) = [0,1].

    Grafik dan notasi matematika untuk fungsi ini adalah sebagai berikut :

    1

    a b cx

    (x)

    Der

    ajat

    kea

    nggota

    an

    Variabel linguistik

    0

    Gambar 2.13 Grafik Fungsi Sigmoid

    Sigmoid , ,,

    =

    0,

    2

    2

    , <

    1 2

    2

    , <

    1, <

    2. Fungsi Phi

    Pada fungsi ini, disebut fungsi Phi karena bentuk seperti simbol phi. Pada

    fungsi keanggotaan ini, hanya terdapat satu nilai x (variabel linguistik) yang

    memiliki derajat keanggotaan ( ) = 1, yaitu ketika x(variabel linguistik)

    = c. Nilai-nilai di sekitar c memiliki derajat keanggotaan yang masih

    mendekati 1. Grafik dan notasi matematika untuk fungsi ini adalah sebagai

    berikut :

  • BAB II DASAR TEORI

    14 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    Der

    ajat

    kea

    ngg

    ota

    an 1

    c-b c c+b

    (x)

    xc-b/2 c+b/2

    Variabel linguistik

    Gambar 2.14 Grafik Fungsi Phi

    Phi ,,

    = (, ,

    2, ),

    1 , , +

    2, + , >

    3. Fungsi Segitiga

    Pada dasarnya, fungsi ini sama dengan fungsi phi, pada fungsi ini juga

    terdapat hanya satu nilai x (variabel linguistik) yang memiliki derajat

    keanggotaan ( ) = 1, yaitu ketika x = b. Tetapi, nilai-nilai di sekitar b

    memiliki derajat keanggotaan yang turun cukup tajam (menjauhi 1). Grafik

    dan notasi matematika untuk fungsi ini adalah sebagai berikut :

    Der

    ajat

    kea

    ngg

    ota

    an

    a b c

    1

    (x)

    x

    Variabel linguistik

    Gambar 2.15 Grafik Fungsi Segitiga

    Segitiga , ,,

    = 0, ,

    ( )/( ), <

    /( ), <

    4. Fungsi Trapesium

    Pada fungsi ini, sifatnya berbeda dengan fungsi Segitiga, pada fungsi ini

    terdapat beberapa nilai x (variabel linguisrik) yang memiliki derajat

    keanggotaan ( ) = 1, yaitu ketika . Tetapi, derajat keanggotaan

    untuk < < dan < memiliki karakteristik yang sama dengan

    fungsi Segitiga. Grafik dan notasi matematika untuk fungsi ini adalah sebagai

    berikut :

  • BAB II DASAR TEORI

    15 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    1

    a b d

    (x)

    xc

    Der

    ajat

    kea

    ngg

    ota

    an

    Variabel linguistik

    Gambar 2.16 Grafik Fungsi Trapesium

    Trapesium , , ,

    =

    0, , ( )/( ), <

    1, < ( )/( ), <

    Dalam tugas akhir ini untuk mendapatkan derajat keanggotaan adalah dengan

    pendekatan fungsi keanggotaan yang direpresentasikan dalam bentuk kurva

    Trapesium. Fungsi keanggotaan ditentukan dari awal yang direpresentasikan

    menggunakan kurva trapesium.

    2.4.2 Sistem Berbasis Aturan Fuzzy

    Suatu sistem yang berbasis aturan fuzzy terdiri dari tiga komponen

    utama[8]

    :

    1. Fuzzification

    Proses fuzzification mengubah masukan-masukan yang nilai kebenarannya

    bersifat pasti kedalam bentuk masukan fuzzy, yang berupa nilai linguistik yang

    ditentukan berdasarkan fungsi keanggotaan tertentu.

    2. Inference

    Proses inteference melakukan penalaran menggunakan masukan fuzzy dan

    aturan fuzzy yang telah ditentukan, sehingga menghasilkan keluaran. Dalam

    melakukan penalaran, ada beberapa hal yang harus diperhatikan. Salah satunya

    yaitu logical connectives. Nilai kebenaran yang dapat diberikan kepada P adalah

    nilai-nilai yang berada dalam interval [0,1]. Nilai 0 menyatakan bahwa P adalah

    salah dan nilai 1 menyatakan bahwa P adalah benar.

    T : P [0,1] (2.4)

    dimana T adalah fungsi kebenaran yang memetakan P ke suatu nilai dalam

    interval [0,1]. Dalam tugas akhir ini terdapat logical connectives yang digunakan,

    yaitu[8]

    :

  • BAB II DASAR TEORI

    16 ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN

    FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

    Disjunction T(P Q) = max{T(P),T(Q)} (2.5)

    Conjunction T(P Q) = min{T(P),T(Q)} (2.6)

    Hal lain yang harus diperhatikan dalam melakukan penalaran dalam

    inference yaitu model aturan fuzzy yang akan digunakan. Pada tugas akhir ini,

    model aturan fuzzy yang digunakan yaitu metode mamdani.

    Metode mamdani sering juga dikenal dengan nama metode minmax.

    Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975[8]

    . Pada

    metode mamdani, baik variabel masukan maupun variabel keluaran dibagi

    menjadi satu atau lebih himpunan fuzzy, pada metode ini yang digunakan adalah

    min (minimum) kemudian melakukan inferensi sistem fuzzy dengan metode max

    (maksimum)[8]

    .

    3. Defuzzification

    Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode

    centroid. Dimana pada metode ini, nilai crisp diperoleh dengan cara mengambil

    titik pusat daerah fuzzy. Secara umum dirumuskan [8]

    :

    dyy

    dyyyy

    R

    R

    )(

    )(*

    (2.10)

    dimana y* suatu nilai crisp. Fungsi integrasi pada persamaan y

    * dapat diganti

    dengan fungsi sigma jika y bernilai diskrit, sehingga menjadi :

    )(

    )(*

    y

    yyy

    R

    R

    (2.11)

    dimana y* suatu nilai crisp dan R(y) adalah derajat keanggotaan dari y.

    Ada dua keuntungan menggunakan metode centroid, yaitu[9]

    :

    1. Nilai defuzzyfikasi akan bergerak secara halus sehingga perubahan dari suatu

    himpunan fuzzy juga akan berjalan dengan halus.

    2. Lebih mudah dalam perhitungan.