Professional Documents
Culture Documents
1385 2873 1 SM - Momentum PDF
1385 2873 1 SM - Momentum PDF
net/publication/292984094
CITATION READS
1 2,865
6 authors, including:
Achmad Rizal
Telkom University
87 PUBLICATIONS 137 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Achmad Rizal on 04 February 2016.
Abstract
Human’s bones and joints (motion system) have many functions to support their life. One of the
most essential parts of human bone is the backbone (spine), because it functions as the
structural support that can support the upper body (head, shoulders and chest) and connects
with the lower body (abdomen and pelvis). However, it is inevitable that there are several
causes that can lead to abnormalities in the spine which can then interfere with the effective
functioning of the spine as well. By calculating the degree of spine curvature can be known
that there is scoliosis that form of spine abnormalities which are often found in humans. In this
study, calculation the degree of spine curvature consists of several processes. The calculation
process begins with the preprocessing of the spine image, the process of feature extraction
using Contourlet Transform and classification using the KNN (K-Nearest Neighbor). Results of
feature extraction will be the input for the KNN which is a method to perform recognition on
objects that have the closest distance to the data of learning. Implementation of systems is
capable to calculate the degree of the spine curvature that have scoliosis abnormalities with an
average accuracy from each class spine condition is 66.25% and average accuracy from each
spine degree is 62.5% of 28 images in training data and 20 images in testing data.
PENDAHULUAN
DASAR TEORI
Penghitungan derajat kelengkungan tulang
Anatomi Rangka Manusia
punggung dapat menjadi alat bantu dokter
Rangka atau tulang pada tubuh manusia
dalam mendiagnosis kelainan tersebut agar
termasuk salah satu alat gerak pasif karena
dapat meminimalisir kesalahan pada
tulang dapat bergerak apabila digerakkan oleh
keterbatasan pembacaan hasil tes citra pada
otot. Hubungan antar tulang yang satu dengan
suatu kelainan. Bentuk kelainan tulang
tulang yang lainnya, dihubungkan oleh
punggung yang sering ditemukan pada manusia
persendian (sendi) (Hansen, dkk, 2006).
adalah skoliosis. Kelainan tulang punggung
Tulang punggung adalah tulang tak
tersebut dapat diketahui dengan cara mengukur
beraturan yang membentuk punggung. Terdapat
besarnya derajat kelengkungan pada citra tulang
33 tulang punggung pada manusia,bagian
punggung manusia.
paling atas merupakan 7 tulang cervical (leher),
Pada penelitian ini, penghitungan derajat
lalu 12 tulang thorax (thoraks atau dada), 5
kelengkungan tulang punggung terdiri dari
tulang lumbal, 5 di antaranya bergabung
beberapa proses. Proses peghitungan diawali
membentuk bagian sacral, dan 4 tulang terakhir
dengan pemrosesan awal pada citra tulang
membentuk tulang ekor (coccyx).
punggung, proses ekstraksi ciri menggunakan
Kelainan pada tulang punggung dapat
Transformasi Contourlet yang merupakan
disebabkan oleh beberapa faktor, seperti karena
pengembangan dari wavelet dimana metode ini
kelainan yang dibawa sejak lahir, infeksi
lebih optimal dalam mereprentasikan objek
penyakit, karena makanan atau kebiasaan posisi
bertepi terutama garis lengkung dalam satu citra
tubuh yang salah. Pada penelitian ini bentuk
serta proses klasifikasi menggunakan KNN (K-
kelainan yang akan dihitung besarnya derajat
Nearest Neighbor).
kelengkungan tulang punggung adalah kelainan
skoliosis dengan bentuk kurva C.
80
Momentum, Vol. 11, No. 2, Okt 2015, Hal. 80-86 ISSN 0216-7395, e-ISSN 2406-9329
PERANCANGAN SISTEM
Spesifikasi Sistem Citra Latih
Hasil keluaran dari sistem ini akan (untuk kelas yang
ditentukan)
mengklasifikasikan seberapa beratnya tingkat
kelainan pada tulang punggung tersebut dan
besarnya derajat kelengkungan tulang Preprocessing
punggung. Secara umum sistem penelitian yang
akan dirancang dapat dilihat pada Gambar 4. Ekstraksi Ciri dengan
Citra tulang punggung yang diperoleh Transformasi
berupa hasil rontgen tulang punggung yang Contourlet
82
Momentum, Vol. 11, No. 2, Okt 2015, Hal. 80-86 ISSN 0216-7395, e-ISSN 2406-9329
filter yang digunakan untuk melakukan diharapkan muncul. Dalam penelitian ini,
pemfilteran pada dekomposisi pyramidal, yaitu: akurasi yang diperoleh didasarkan oleh
fiter Burt, 9-7, 5-3 dan Pkva. perubahan dari parameter berikut:
1. Parameter preprocessing
- Dekomposisi Directional Filter
2. Parameter Transformasi Countourlet
Filter pada dekomposisi directional
3. Parameter K-NN (K-Nearest Neigbor
bertujuan untuk mereduksi noise pada citra
frekuensi tinggi (highpass) pada DFB. Ada
PEMBAHASAN
beberapa jenis filter yang digunakan untuk
Skenario Pengujian Sistem
melakukan pemfilteran pada dekomposisi
directional, yaitu : filter Haar, 5-3, 9-7, dan Berikut adalah skenario pengujian sistem :
Pkva. 1. Mengetahui kemampuan sistem dalam
Local Binary Pattern membedakan citra uji kedalam kondisi
Operasi LBP bekerja pada blok pixel 3 x 3 tulang punggung normal, skoliosis berat,
dari sebuah citra. Pixel-pixel di blok tersebut skoliosis sedang dan skoliosis ringan.
kemudian diberikan threshold oleh pixel 2. Mengetahui kemampuan sistem dalam
tengah, dimana jika nilai pixel tengah lebih penghitungan derajat kelengkungan tulang
besar maka pixel tetangga tersebut akan bernilai punggung.
satu dan jika lebih kecil akan bernilai nol, 3. Menganalisis pengaruh preprocessing
kemudian dikalikan kuadrat dua. Kemudian, terhadap akurasi sistem.
dijumlahkan untuk mendapatkan label baru 4. Mengetahui perubahan performansi sistem
untuk pixel tengah. Karena sebuah jika dilakukan analisis terhadap perubahan
ketetanggaan dari pixel terdiri dari delapan level dekomposisi citra, pyramidal filter
pixel, sejumlah = 256 label berbeda yang dan directional filter pada Transformasi
mungkin didapatkan bergantung kepada nilai Contourlet.
keabuan relatif dari pixel tengah pada lingkup 5. Mengetahui akurasi sistem terhadap
ketetanggaan pixel (Pietikäinen, dkk, 2011). pengaruh perubahan nilai k dan jenis
distance pada klasifikasi KNN.
Klasifikasi Pola Dengan KNN
Parameter yang terdapat dalam klasifikasi Analisis Hasil Pengujian terhadap
KNN adalah k, distance dan rule. K adalah Perubahan Parameter pada Preprocessing
jumlah dari tetangga terdekat masing – masing Nilai Resize
ciri. Distance adalah cara perhitungan jarak Pengujian sistem ini menggunakan parameter –
antar tetangga terdekat, jenis – jenis distance parameter sebagai berikut : ratio dimensi citra
adalah euclidean, cityblock, cosine, correlation. sebesar 4:1 piksel, jumlah level dekomposisi
Parameter Performansi Transformasi Contourlet adalah 1, pyramidal
Parameter performansi yang digunakan filter Pkva, directional filter Haar, klasifikasi
dalam penelitian ini adalah parameter akurasi menggunakan KNN dengan nilai k = 3 dan
dan parameter waktu. Akurasi adalah ukuran jenis KNN adalah euclidean.
ketepatan sistem dalam mengenali masukan
yang diberikan sehingga menghasilkan keluaran Tabel 1 Nilai Akurasi Sistem Berdasarkan
yang benar. Akurasi dihitung dari jumlah data Perubahan Nilai Resize
benar dibagi dengan jumlah data secara 2000
500x 1000 4000x
keseluruhan. Secara sistematis dapat dituliskan Dimensi x
125 x250 1000
sebagai berikut: Resize 500
Akurasi Rata-
jumlah _ data _ benar
Akurasi x100% Rata dari tiap 21,25 43,1 55 66,25
jumlah _ data _ keseluruhan Kelas (%)
(2) Akurasi Total
Kelas (%)
22,7 40,9 54,5 63,6
Parameter waktu yang digunakan Akurasi Rata-
merupakan jumlah keseluruhan waktu yang Rata dari tiap 17,2 53,2 51,8 62,4
Derajat (%)
diperlukan untuk melakukan keseluruhan Akurasi Total
proses dalam penelitian ini. Waktu dihitung dari Derajat (%)
22,7 40,9 54,5 63,6
awal pengambilan data hingga keluaran yang
84
Momentum, Vol. 11, No. 2, Okt 2015, Hal. 80-86 ISSN 0216-7395, e-ISSN 2406-9329
86