APLIKASI DETEKSI TEPI LESI KANKER SERVIKS

APLIKASI DETEKSI TEPI LESI KANKER SERVIKS MENGGUNAKAN
METODE SOBEL
Webby Mandala. *), Lulu Chaerani Munggaran, Dr **)
Jurusan Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Gunadarma
Jl. KH. Noer Ali, Kalimalang, Bekasi, 17133, Indonesia
Email : [email protected]
*) Mahasiswa Sistem Informasi Universitas Gunadarma
**) Dosen Sistem Informasi Universitas Gunadarma
ABSTRAK
Pengolahan citra merupakan proses pengolahan dan analisis citra yang
banyak melibatkan persepsi visual salah satunya dalam bentuk tekstur, demikian
pula dalam bidang kedokteran sering mengandalkan proses visualisasi yang lebih
dikenal dengan pencitraan medis (medical imaging). Pengolahan citra sering juga
digunakan untuk mendeteksi kanker serviks. Kanker serviks atau kanker leher
rahim adalah kanker pada sistem reproduksi wanita. Pendeteksian kanker serviks
dapat dilakukan dengan berbagai cara, salah satunya adalah deteksi tepi. Karena
itu penulis tertantang untuk membuat aplikasi yang dapat membantu mendeteksi
dini penyakit tersebut.
Aplikasi pengolahan citra ini dibuat untuk mendeteksi tepi lesi kanker
serviks menggunakan metode Sobel, sehingga diharapkan dapat membantu bidang
kedokteran dalam mendeteksi dini kanker serviks.
Aplikasi ini dibuat menggunakan MatLab 7.0 (R2010b). Aplikasi ini
memperlihatkan setiap tahapan yang terjadi pada proses deteksi tepi lesi kanker
serviks. Tampilan aplikasi di desain dengan menarik. Dengan demikian
mempermudah user dalam mengenali tepi lesi kanker serviks.
Kata Kunci : Metode Sobel, Citra, Citra Digital, Segmentasi, Deteksi Tepi.
ABSTRACT
Image processing is the processing and image analysis involve visual
perception one of them in the form of textures, as well as in the medical field
frequently rely on the visualization process more commonly known as medical
imaging (medical imaging). Image processing is often also used to detect cervical
cancer. Cervical cancer is a cancer of the female reproductive system. The
detection of cervical cancer can be done in various ways, one of which is edge
detection. Because the authors were challenged to create applications that can help
detect the disease early.
Image processing applications are made to detect the edge of cervical
cancer lesions using Sobel method, which is expected to help the field of medicine
in the early detection of cervical cancer.
This application is created using MatLab 7.0 (R2010b). This application
shows each of the stages that occur in the process of edge detection of cervical
cancer lesions. Display applications in the design with appealing. Thus facilitate
the user in identifying the edges of lesions of cervical cancer.
Keywords : Sobel Method, Image, Digital Image, Segmentation, Edge Detection.
I. PENDAHULUAN
1.1 Latar Belakang Masalah
Saat ini perpaduan antara
perkembangan ilmu pengetahuan dan
teknologi sudah banyak dilakukan
orang khususnya dalam pengolahan
citra. Pengolahan citra merupakan
proses pengolahan dan analisis citra
yang banyak melibatkan persepsi
visual salah satunya dalam bentuk
tekstur, demikian pula dalam bidang
kedokteran sering mengandalkan
proses visualisasi yang lebih dikenal
dengan pencitraan medis (medical
imaging). Proses ini mempunyai ciri
data masukan dan informasi keluaran
yang berbentuk citra. Pencitraan saat
ini banyak digunakan dalam bidang
kesehatan untuk mendeteksi berbagai
penyakit, seperti tumor dan kanker.
Di Indonesia, kaum wanita yang
mengidap kanker cukup tinggi
terutama pada kanker serviks.
Kanker serviks atau kanker leher
rahim adalah kanker pada sistem
reproduksi wanita. Kanker serviks
sampai saat ini merupakan salah satu
penyebab kematian kaum wanita
yang cukup tinggi, baik di negaranegara maju
maupun
negara
berkembang
seperti
Indonesia.
Bahkan di Indonesia, kanker serviks
merupakan kanker nomor satu yang
umum diderita wanita Indonesia.
Untuk mengatasi tingginya
wanita yang mengidap kanker
serviks, para ahli kanker serviks
telah membuat beberapa metode
untuk mendeteksi kanker serviks
dengan mendeteksi tepi citra digital
kanker serviks. Metode deteksi tepi
tersebut antara lain, metode Robert,
Canny, Prewitt, Sobel, Gonzalez, dan
Laplace.
Di
sini
penulis
menggunakan metode Sobel. Metode
ini
merupakan
pengembangan
metode Robert dengan menggunakan
filter HPF (High Pass Filter) yang
diberi satu angka nol penyangga.
Metode ini mengambil prinsip dari
fungsi laplacian dan gaussian yang
dikenal sebagai fungsi untuk
membangkitkan HPF. Laplace atau
laplacian adalah metode transformasi
yang digunakan untuk penyelesaian
persamaan differensial yang digagas
oleh Piere Simon Laplace sedangkan
Gaussian adalah satu jenis noise
yang muncul pada citra. Penulis
memilih
metode
ini
karena
mempunyai kelebihan dari metode
lain, kelebihan dari metode sobel ini
adalah
kemampuan
untuk
mengurangi
noise
sebelum
melakukan perhitungan deteksi tepi.
Berdasarkan uraian di atas, maka
fokus
penulisan
ini
adalah
menganalisa tekstur dan mendeteksi
dini kanker serviks.
1.2 Batasan Masalah
Pada penulisan tugas akhir ini,
untuk menghindari pembahasan yang
terlalu jauh, penulis membatasi
hanya pada medeteksi tepi lesi citra
digital kanker serviks dan pembuatan
aplikasi menggunakan matlab.
1.3 Tujuan Penulisan
Penulisan ini bertujuan membuat
aplikasi yang dapat mendiagnosa
kanker serviks melalui deteksi tepi
lesi dengan metode Sobel, sehingga
di harapkan dapat membantu bidang
kedokteran dalam mendeteksi dini
kanker serviks.
II. TINJAUAN PUSTAKA
2.1 Pengolahan Citra
Sebuah citra yang diperoleh
melalui hasil scanning (pemindaian)
sinar-x ke dalam komputerisasi
terkadang mengalami penurunan
kualitas yang berupa perubahan
kecerahan, peregangan kontras dan
kekaburan.
Karena
beberapa
degradasi tersebut, dokter maupun
pasien tidak dapat memperoleh
informasi yang dibutuhkan. Agar
citra yang mengalami gangguan
mudah
diinterpretasi baik oleh
manusia maupun mesin, maka citra
tersebut perlu dimanipulasi menjadi
citra lain yang kualitasnya lebih baik
atau proses tersebut dinamakan
dengan proses image processing
(pengolahan citra).
2.2 Citra Digital
Citra digital dihasilkan melalui
proses digitalisasi sehingga mampu
menghasilkan citra digital, misalnya
CT-Scan (Computer Tomographic
Scan), USG (Ultra Sound Grapic),
kamera digital, scanner, dll. Citra
digital disebut juga citra diskrit. Citra
digital merupakan citra yang telah
disimpan dalam bentuk file sehingga
dapat diolah dengan menggunakan
komputer. Citra digital merupakan
suatu larik dua dimensi atau suatu
matriks yang elemen-elemennya
menyatakan tingkat keabuan dari
elemen gambar. Jadi informasi yang
terkandung bersifat diskrit. Citra
digital tidak selalu merupakan hasil
langsung data rekaman suatu sistem.
Kadang-kadang hasil rekaman data
bersifat kontinu seperti gambar pada
monitor televisi, foto sinar-x, dan
lain sebagainya. Suatu citra digital
diperlukan suatu proses konversi
sehingga citra tersebut
dapat
diproses dengan komputer.
1.3
Citra Biner
Citra biner (binary image)
adalah citra yang hanya mempunyai
dua nilai derajat keabuan yaitu hitam
dan putih, 0 dan 1 angka
0
menyatakan warna latar belakang
(background) dan 1 menyatakan
warna tinta atau objek atau dalam
bentuk angka 0 untuk hitam dan
angka 1 untuk warna putih [Anonim,
2009]. Meskipun saat ini citra
berwarna lebih disukai karena
memberi kesan yang lebih kaya dari
pada citra biner, namun tidak
membuat citra biner mati. Pada
beberapa aplikasi citra biner masih
tetap dibutuhkan, misalnya pada
proses analisis citra medis ini yang
menggunakan gambar sinar-x.
1.4 Preprocessing
(Pemrosesan
Awal)
Preprocessing (pemrosesan awal)
adalah proses yang memproses
sebuah masukan menjadi sebuah
keluaran
yang
akan
menjadi
masukan bagi proses lain [Anonim,
2009]. Pemrosesan awal merupakan
operasi pengolahan citra
meningkatkan kualitas citra.
untuk
1.5 Matlab
MatLab singkatan dari Matrix
Laboratory. MatLab merupakan
bahasa
pemrogaman
yang
dikembangkan oleh The Mathwork,
Inc. Bahasa pemograman ini banyak
digunakan
untuk
perhitungan
numerik keteknikan, komputasi
simbolik, visualisasi grafis, analisis
data matematis, statistika, simulasi
pemodelan, dan desain graphical
user interface (GUI).
Pada awalnya, program ini
merupakan interface untuk koleksi
rutin numerik dari proyek LINPACK
dan EISPACK, namun sekarang
merupakan produk komersial dari
perusahaan Mathworks, Inc. MatLab
telah berkembang menjadi sebuah
lingkungan
pemrograman
yang
canggih yang berisi fungsi built-in
untuk melakukan tugas pengolahan
sinyal, aljabar linier, dan kalkulasi
matematis lainnya. Tampilan awal
MatLab 7.0 ditunjukkan pada
gambar 2.5.
Gambar 1. Tampilan MatLab
Walaupun MatLab khusus digunakan
untuk
penghitungan
numerik,
toolbox pilihan dengan mesin simbol
maple, menjadikan MatLab sebagai
suatu sistem aljabar komputer yang
lengkap.
MatLab
memiliki
kemampuan untuk mengintegrasikan
komputasi,
visualisasi,
dan
pemrograman.
III. ANALISIS DAN
PERANCANGAN
Pada bab ini akan dijelaskan
mengenai perancangan aplikasi
Deteksi Tepi Kanker Serviks dengan
menggunakan
Metode
Sobel.
Aplikasi ini untuk mendeteksi tepi
lesi terhadap objek citra digital
kanker
serviks
dari
hasil
servikografi. Terdapat tujuh tahap
dalam pendeteksian tepi lesi,
penjelesan tahap-tahap tersebut dapat
dilihat pada sub bab 3.1. Algoritma
dari tahap pendeteksian kanker
serviks dapat dilihat pada sub bab
3.2. Flowchart aplikasi dapat dilihat
pada sub bab 3.3. Dan rancangan
aplikasi yang dibuat dapat dilihat
pada sub bab 3.4.
3.1
Tahap
Pendeteksian
Kanker Serviks
Berikut ini adalah penjelasan tahap
penentuan kanker serviks sebagai
berikut :
1. Tahap ekstraksi warna
Tahap berikut ini mengambil
fitur warna berupa Red, Green,
dan Blue (RGB) dari gambar
dengan menggunakan tool color
picker dari aplikasi photoshop.
2. Tahap pemotongan gambar
Tahap berikut ini mengambil
bagian gambar yang terindikasi
lesi dengan fungsi imcrop yang
terdapat pada matlab.
3. Tahap deteksi tepi dengan
metode Sobel
Pada tahap ini citra yang telah
diketahui batasan RGBnya dan
dipotong sebagian gambarnya
4.
5.
6.
7.
yang tiap-tiap warna memiliki
nilai 256 (8 bit).
Warna yang dideskripsikan
dengan RGB adalah pemetaan
yang mengacu pada panjang
gelombang dari RGB. Pemetaan
menghasilkan nuansa warna
untuk masing-masing R, G, dan
B. Masing-masing R, G,dan B
didiskritkan dalam skala 256,
sehingga RGB akan memiliki
indeks antara 0 sampai 255.
Ekstraksi
warna
adalah
mengambil fitur warna berupa
R, G, dan B dari gambar.
Pengambilan
nilai
RGB
menggunakan
aplikasi
photoshop,
karena
penulis
menganggap aplikasi photosop
yang
paling
baik
dalam
pengambilan
nilai
warna.
Flowchart
ditujukan
pada
gambar 1.
akan dilakukan deteksi tepi
dengan metode Sobel.
Tahap operasi dilatasi citra
Pada tahap dilatasi citra ini
dilakukan untuk memperjelas
citra yang diperoleh dari hasil
deteksi tepi Sobel dengan
menghilangkan batasan dari citra
dan mempertebal garis deteksi
tepi dari operasi strel dengan
bentuk line.
Tahap pengisian area objek
Pada tahap ini objek yang sudah
dideteksi akan diberi lubang
putih untuk mengisi area yang
ada didalamnya.
Tahap segmentasi citra
Pada tahap ini dilakukan proses
pemisahan objek dari latarnya.
Tahap pembuatan garis luar
Tahap berikut ini adalah tahap
terakhir yang terdapat dalam
aplikasi ini, tahap ini berguna
untuk mencari garis luar dari
objek hasil segmentasi, sehingga
pengguna
dapat
langsung
melihat garis luar lesi pada citra
asli.
3.2
Algoritma
Pendeteksian
Kanker Serviks
Berikut ini adalah alogritma
dari setiap tahap penentuan kanker
serviks sebagai berikut :
1.
Ekstraksi Warna
Warna pokok dalam pengelolaan
citra terdiri dari 3 (tiga)unsur,
yaitu merah (R), hijau (H), dan
biru (B). Jika warna-warna
pokok tersebut
digabungkan,
maka akan menghasilkan warna
lain. Penggabungan tersebut
bergantung pada warna pokok
Gambar 1. Flowchart Ekstraksi
Warna
2.
Tahap Pemotongan Gambar
Pemotongan (Croping) gambar
adalah memotong bagian objek
dari suatu gambar. Dalam proses
pemotongan gambar ini agar
user dapat melihat objek secara
lebih
dekat
dengan
menggunakan fungsi imcrop
yang terdapat pada matlab.
Flowchartnya dapat dilihat pada
gambar 2.
Gambar 2. Flowchart
Pemotongan Gambar
3.
Deteksi Tepi Metode Sobel
Satu cara untuk menghindari
gradien yang dihitung pada titik
interpolasi dari piksel-piksel
yang terlibat adalah dengan
menggunakan jendela 3x3 untuk
perhitungan gradien, sehingga
perkiraan gradien berada tepat di
tengah jendela. Operator Sobel
adalah operator yang paling
banyak
digunakan
sebagai
pelacak
tepi
karena
kesederhanaan
dan
keampuhannya. Bentuk mask
operator Sobel sebagai berikut :
−1 0 1
ܵ௫ = ൥−2 0 2൩
−1 0 1
1
2 1
ܵ௬ = ൥ 0
0 0൩
−1 −2 1
Flowchart ditujukan pada
gambar 3.
Gambar 3. Diagram Aktivitas
Deteksi Tepi Metode Sobel
4.
Operasi Dilatasi Citra
Operasi dilatasi citra adalah
memperjelas
citra
dengan
menghilangkan batasan dari citra
yang diperoleh dari fungsi strel
(structuring element) dengan
metode line untuk menentukan
garis-garis yang terdapat dari
sebuah citra sehingga mudah
untuk dilakukan segmentasi,
fungsi tersebut hanya terdapat
pada
matlab.
Flowchart
ditujukan pada gambar 4.
Gambar 5. Flowchart Pengisian
Area Objek
Gambar 4. Flowchart Dilatasi
Citra
5.
Pengisian Area Objek
Tahap
selanjutnya
adalah
pemberian warna ke dalam
garis-garis yang telah terhubung
dengan warna putih dan garis
yang tidak terhubung diabaikan.
Proses pengisian area objek ini
menggunakan
fungsi
imfill
(image fill). Fungsi holes adalah
fungsi yang mengartikan bahwa
objek yang sudah dideteksi akan
diberi semacam lubang putih
yang mengisi area objek di
dalamnya. Flowchart ditujukan
pada gambar 5.
6.
Segmentasi Citra
Segmentasi citra adalah proses
pemisahan objek dari latarnya.
Dimulai dengan membangun
struktur dengan fungsi strel yang
menggunakan bentuk disk dan
objek. Nilai disk yang digunakan
adalah 3. Fungsi disk pada
Matlab bernilai ganjil dan yang
terbaik untuk aplikasi ini adalah
3 karena apabila nilainya
dirubah maka hasil yang didapat
kurang
maksimal.
Proses
penghalusan (smoothing) pada
citra
untuk
mempertajam
kualitas
citra
yang
telah
disegmentasi
menggunakan
fungsi
imrode.
Flowchart
ditujukan pada gambar 6.
IV.
IMPLEMENTASI
Pada bab ini penulis akan
menjelaskan spesifikasi perangkat
keras dan lunak yang digunakan dan
implementasi aplikasi. Implementasi
dimulai dari skenario pengujian
aplikasi, pengujian aplikasi dan
terakhir hasil pengujian aplikasi.
4.1
Gambar 6. Flowchart Segmentasi
Citra
7.
Garis Luar
Garis luar (outline) adalah
proses pembuatan garis luar dari
objek hasil segmentasi, sehingga
garis luar tersebut dapat terlihat
pada citra asli. Pembuatan garis
luar ini menggunakan fungsi
BWoutline yang hanya terdapat
pada aplikasi matlab. Flowchart
ditujukan pada gambar 7..
Gambar 7. Flowchart
Pembuatan Garis Luar
Spesifikasi perangkat keras
dan lunak yang digunakan
Dalam melakukan pengujian ini
penulis menggunakan spesifikasi
perangkat keras dan perangkat lunak
yaitu
1. Perangkat keras
Spesifikasi perangkat keras yang
digunakan untuk membuat aplikasi ini
adalah :
1. Prosesor I5 2400 3,1 Ghz
Cache 6MB.
2. Ram 4GB PC 10600.
3. Harddisk 1660 GB sebagai
alat penyimpanan.
4. Monitor 18,5”.
5. Mouse dan keyboard sebagai
alat input.
6. Koneksi ke internet dengan
kecepatan up to 1 Mbps.
7. Printer Canon MP 258
sebagai alat cetak.
2. Perangkat lunak
Spesifikasi perangkat lunak yang
digunakan untuk membuat aplikasi ini
adalah :
1. Windows 7 Ultimate x64
sebagai sistem operasi.
2. Matlab 7.0 (R2010b) sebagai
perangkat lunak pengolahan
citra.
Objek Citra Digital Kanker
Serviks
Citra yang akan digunakan
sebagai objek untuk penulisan skripsi
ini ada 5 objek citral digital. Citra
digital yang diperoleh adalah citra
4.2
digital kanker serviks yang didapat
dari rumah sakit. Contoh citra digital
kanker serviks yang digunakan untuk
penulisan skripsi ini dapat dilihat pada
table 1.
Tabel 1Citra Digital Kanker
Serviks
2. Tahap kedua adalah dari halaman
Menu utama, pilih menu Deteksi
Lesi. Menu Deteksi Lesi ini
merupakan
aplikasi
untuk
melakukan pendeteksian tepi lesi
terhadap kanker serviks. Gambar
10 adalah tampilan dari lesi.fig.
Gambar 10. Tampilan Halaman
Deteksi Lesi
4.3
Pengujian Aplikasi Deteksi
Tepi Lesi Kanker Serviks
Menggunakan Metode Sobel
Tahapan pengujian yang
dilakukan untuk pendeteksian tepi
lesi kanker serviks dengan metode
sobel :
1. Tahap pertama adalah mengetik
pada command window, home.fig
lalu enter. Maka akan tampil
seperti gambar 9.
3. Tahap ketiga adalah memilih
citra digital kanker serviks yang
ingin diketahui tepi lesi dengan
cara memilih tombol buka pilih
gambar. Pada aplikasi ini nama
citra yang ingin diuji coba adalah
000007.jpg. Jika tombol buka
pilih gambar di-klik maka akan
tampil gambar 11.
Gambar 11. Tampilan Halaman Buka
File Citra
Gambar 9. Tampilan Halaman Menu
utama
4. Tahap keempat adalah setelah
dilakukan pemilihan pada salah
satu citra yang ingin dilakukan
proses
pendeteksian
kanker
serviks, maka akan tampil seperti
pada gambar 12.
Gambar 12. Tampilan Citra Kanker
Serviks Yang Dipilih
5. Tahap kelima adalah tahap
terpenting karena tahap ini yang
memproses citra digital kanker
serviks. Untuk melihat hasil
pendeteksian kanker serviks, klik
tombol Proses Gambar, maka
hasilnya seperti pada gambar 13.
7. Setelah proses selesai maka pilih
tombol Keluar untuk keluar dari
aplikasi ini. Jika kita pilih menu
Keluar, maka akan tampil kotak
dialog pertanyaan seperti gambar
14.
Gambar 14. Tampilan Kotak Dialog
Pertanyaan untuk keluar dari aplikasi
Gambar 13. Tampilan Hasil Proses
Deteksi Lesi
6. Tahap ini adalah lanjutan
penjelesan dari tahap kelima,
pada tampilan diatas hanya
ditampilkan hasil akhir yaitu citra
hasil segmentasi yang diberi
garis tepi dan tidak ditampilkan
proses segmentasi citra, pada
tabel 2 ditampilkan proses
segmentasi citra kanker.
Tabel 2. Proses Segmentasi Citra
Kanker 000009.jpg
8. Di dalam aplikasi ini terdapat 2
sub menu dari menu bantuan
yang berisi petunjuk penggunaan
aplikasi dan informasi tentang
kanker.
Untuk
petunjuk
penggunaan
aplikasi
yang
terdapat pada sub menu bantuan
aplikasi (bantu.fig) dapat dilihat
seperti gambar 15.
Gambar 15. Tampilan Halaman
Bantuan
9. Untuk informasi tentang pembuat
aplikasi
mendeteksi
kanker
serviks terdapat pada sub menu
tentang aplikasi (about.fig) dapat
dilihat seperti gambar 16.
Gambar 16. Tampilan Halaman
About Aplikasi
10. Untuk informasi tentang tahapantahapan
dalam
proses
pendeteksian kanker serviks
terdapat pada menu Informasi
Kanker (informasi.fig) dapat
dilihat seperti gambar 17.
yang dihasilkan sebesar 40% pada 2
dari 5 citra digital kanker serviks.
Aplikasi ini dapat melihat setiap
tahapan yang terjadi pada proses
pendeteksian tepi, akan tetapi
aplikasi ini masih melakukan
pemotongan gambar secara manual
oleh user.
5.2 Saran
Penulis berharap aplikasi ini
terus dikembangkan, agar aplikasi ini
dapat
lebih
sempurna
dalam
mendeteksi kanker serviks. Saran
dari penulis untuk pengembangan
aplikasi selanjutnya adalah aplikasi
ini dapat mendeteksi tepi lesi lebih
akurat tanpa melakukan pemotongan
gambar secara manual.
DAFTAR PUSTAKA
Aris Sugiharto. 2006. Pemrograman
GUI dengan MATLAB. Yogyakarta :
Penerbit Andi.
Agung Slamet Riyadi. 2007.
Flowchart Catatan Kuliah Sistem
Informasi. Universitas Gunadarma.
Gambar 17. Tampilan Halaman
Informasi Kanker
V.
5.1
PENUTUP
Kesimpulan
Aplikasi untuk mendeteksi tepi
lesi kanker serviks menggunakan
metode sobel. Aplikasi pendeteksian
tepi lesi kanker serviks ini ditentukan
berdasarkan tepi lesinya. Aplikasi
hanya dapat digunakan oleh ahli
yang mengerti mengenai kanker
serviks. Aplikasi ini memperlihatkan
setiap tahapan yang terjadi pada saat
pendeteksian tepi lesi kanker serviks.
Persentase kesalahan deteksi tepi
Gunaidi Abdia Gaway. 2010. The
Shortcut of MatLab Programming.
Bandung : Penerbit Informatika.
Rinaldi Munir. 2004. Pengolahan
CITRA DIGITAL dengan Pendekatan
Algoritmik. Bandung : Penerbit
Informatika.
Usman Ahmad. 2005. Pengolahan
Citra
Digital
dan
Teknik
Pemrogramannya. Penerbit Graha
Ilmu.
Wijaya Marvin Ch. & Prijono Agus.
2007. Pengolahan Citra Digital
menggunakan
MatLab
Image
Processing Toolbox.
Penerbit Informatika.
Bandung
: