ANALISA FOTO LIDAH
Nama
:
Andry Sianto
NIM
:
05.41010.0102
Program
:
S1 (Strata Satu)
Jurusan
:
Sistem Informasi
SEKOLAH TINGGI
MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER
SURABAYA
v
Melihat lidah adalah salah satu cara metode diagnosis yang paling penting
dalam pengobatan Traditional China Medicine (TCM) selain pendeteksian dengan
menggunakan nadi. Metode diagnosis lidah digunakan untuk mengamati
perubahan abnormal pada lidah (tubuh lidah) dan selaput lidah dalam
mendiagnosis penyakit. Keakuratan dari pendeteksian lidah tergantung pada
pengalaman dari sinshe
Dalam membangun aplikasi sistem foto lidah untuk mendiagnosis radang
usus buntu berdasarkan analisis dari perubahan
pada permukaan lidah. Sistem ini
akan membantu sinshe untuk menentukan kondisi pasien menderita usus buntu
atau tidak secara akurat.
Sistem yang dibuat akan menganalisa foto lidah secara mandiri kemudian
dapat menyimpulkan berdasarkan analisa foto lidah untuk mengetahui penderita
mengalami gangguan usus buntu atau tidak sehingga semua sinshe akan terbantu
dalam mendiagnosa .
vii
DAFTAR ISI
Halaman
ABSTRAK
………..
. v
KATA PENGAN
TAR ……….
vii
DAFTAR ISI
………...
viii
DAFTAR TAB
EL ………
xi
DAFTAR GAM
BAR ……….
... xii
DAFTAR LAMPIRAN
………...
xiv
BAB I PENDA
HULUAN ………...
1
1.1 Latar belakang Masalah
………...
1
1.2 Per
umusan Masalah………
2
1.3
Pembatasan Masalah………..
2
1.4 Tujuan
………....
3
1.5 Sistematika Penulisan
……….……….
3
BAB II LAND
ASAN TEORI………
... 5
2.1 Definisi Penyakit Usus
Buntu ……….
5
2.2
Identifikasi Penyakit ………
6
2.2.1 Pengontrasan Citra
………
7
2.2.2 Diagnosa Lidah
….…
...
..………….…
10
2.2.3 Proses Anamneses
………
..
………...…
. 11
2.3 Teknologi Informasi
………...………
.. 11
2.4 Bas
is data………...………..
12
BAB III ANALISA DAN PERANCANGAN SISTEM
3.1 Analisis... 13
viii
3.2.1 Alur Proses Desain Cara Kedokteran Barat... 16
3.2.2 Alur Proses Desain Cara Kedokteran Timur... 17
3.2.3 Proses Perhitungan Anamnesa... 19
3.2.4 Proses Pendeteksian Image Lidah... 22
A. Proses Pengambilan Foto Gambar Lidah... 22
B. Pemrosesan Image Lidah... 23
C. Pengambilan Foto Lidah... 24
D. Penganalan Warna Dan Pengontrasan... 24
E. Grey Image... 26
F. Membuat Region... 28
G. Menentukan Papila Atau Pikle... 34
H. Hasil Pemrosesan
……….
35
3.3 Desain Input
–
output (I/O)
………...
..
36
BAB IV IMPLEMENTASI DAN EVALUASI
4.1 Implementasi
……
...
………....
42
4.2 Evaluasi Sistem
………
52
4.2.1 Evaluasi Hasil Uji Coba Sistem
……….
.. 52
4.3
Analisis Hasil Uji Perhitungan
Accuracy
Pada Diagnosa Lidah... 67
4.3.1 Analisis Hasil Uji Coba... 71
BAB V PENUTUP
5.1 Kesimpul
an………
. 72
5.2 Saran………
... 72
x
DAFTAR TABEL
Halaman
Tabel 3.1 Nilai Dan Warna Grey ... 26
Tabel 3.2 Proses Penghilangan Region ... 33
Tabel 3.3 Evaluasi Uji Coba Nama pasien ... 37
Tabel 3.4 Evaluasi Uji Coba Pendetekasian Image Lidah untuk Menentukan
Radang Usus Buntu ... 39
Tabel 4.1 Keterangan Tombol ...
54
Tabel 4.2 Data Uji Coba Nama pasien ...
55
Tabel 4.3 Evaluasi Uji Coba Nama pasien ...
56
Tabel 4.4 Keterangan Tombol ...
48
Tabel 4.5 Evaluasi Uji Coba Lidah Yang Menderita Penyakit Usus Bun
tu…...
60
Tabel 4.6 Evaluasi Uji Coba Lidah Normal...
65
Tabel 4.7 Perhitungan
Accuracy
Pada Diagnosa Lidah... 68
Tabel 4.8 Perhitungan Nilai
Accuracy
Pada Diagnosa Lidah... 69
xi
DAFTAR GAMBAR
Halaman
Gambar 2.1 Pembusukan Usus B
untu………
6
Gambar 2.2 Penyakit Usus Buntu dan Proses Dimana Menunjukan
Pengolahan Citra Yang Dikontras
………
...
…
. 10
Gambar 2.3 Lidah Pasien Sehat dan Lidah Pasien Terkena Penyakit Usus
Buntu
…….………..
..
11
Gambar 3.1 Usus Buntu (sekum) Dalam Sistem Pencernaan Manusia
……
16
Gambar 3.2 Alur Proses Desain Cara Kedokteran Barat ... 18
Gambar 3.3 Alur Proses Desain Cara Kedokteran Timur...
19
Gambar 3.4 Alur Proses Pendeteksian Gambar Lidah...
23
Gambar 3.5 Lidah sebelum di
crop
dan lidah sesudah di
crop
……….
24
Gambar 3.6 Penentuan Warna dan Pengontrasan...
27
Gambar 3.6 Region... 30
Gambar 3.7 Hasil Region... .
30
Gambar 3.9 Algoritma penghilangan satu titik ... 31
Gambar 3.10 A, 3.10 B, 3.10 C Menunjukan Lidah Sebelum Diproses,
Proses Pengontrasan, Menunjukan Proses Pengenalan Warna.. 32
Gambar.3.11 Proses Region dan Proses Penghilangan Region ... 33
Gambar 3.12 A, 3.12 B Proses Perhitungan Papila Dan Proses Selesai... 34
Gambar 3.13
Alur Proses Mencari Region ... 35
Gambar 3.14 Desain Menu Utama
………..……….
... 36
Gambar 3.15 Desain Input P
asien………
..
…
.. 37
Gambar 3.16 Desain Proses Pendeteksi I
mage………
. 38
Gambar 3.17 Desain A
namnes………
....
40
xii
Gambar 4.1 Hasil pengontrasan... 44
Gambar 4.2 Grey Image... 45
Gambar 4.3 Membuat Region... 50
Gambar 4.4 Hasil Perhitungan Papila... 52
Gambar 4.5 Form Menu Utama... 53
Gambar 4.6 Isi Menu File...
53
Gambar 4.7 Isi Menu Master...
54
Gambar 4.8 Form Input Pasien...
54
Gambar 4.9 Form Edit Nama pasien...
55
Gambar 4.10 Form Pendeteksi Foto lidah...
57
Gambar 4.11 Form Cari Pasien...
57
Gambar 4.12 Form Anamnesa Pasien...
58
Gambar 4.13 Form Pengambilan Gambar Lidah...
59
Gambar 4.14 Form Hasil Pengambian Gambar Lidah...
59
Gambar 4.15 Form Hasil Pendetksi foto lidah...
69
xiii
Halaman
Lampiran 1 Biodata Penulis
buntu………
...
………..
73
Lampiran 2 Lampiran Penyakit Usus ... 74
1
PENDAHULUAN
1.1 Latar Belakang Masalah
Sinshe melakukan pemeriksaan akupuntur dan juga melihat perubahan pada
lidah tetapi untuk melakukan pemeriksaan tersebut membutuhkan waktu dan tenaga,
juga mengeluarkan biaya yang cukup banyak untuk pemeriksaan tersebut.
Dengan pengamatan akan tampak adanya pembengkakan ronga perut dimana
dinding perut tampak mengencang pada perabaan didaerah perut kanan bawah,
seringkali bila ditekan akan terasa nyeri dan bila tekanan dilepas juga akan terasa
nyeri yang mana merupakan kunci dari diagnosis usus buntu.
Kenaikan dari sel darah putih hingga sekitar 10.000 – 18.000/mm3 jika terjadi
peningkatan lebih dari itu maka kemungkinan usus buntu sudah mengalami perforasi
(pecah). Dimana dengan pemeriksaan ct scan (93-98%) tingkat keakuratan nya sangat
tinggi untuk mengetahui penderita menderita usus buntu atau tidak.
Jika radang usus buntu tidak dapat dikenali atau diobati, usus buntu bisa
pecah, membuat kantung meradang di luar usus tersebut dan menimbulkan nanah.
Akibat lanjut, benda dari usus buntu masuk ke rongga perut, menyebabkan
peradangan serius. Penderita usus buntu umumnya mengalami sakit perut, terutama
dimulai di sekitar pusar dan bergerak kesamping kanan bawah, penurunan nafsu
makan, mual dan muntah, serta diare.
Penderita penyakit usus buntu sangat beresiko apabila tidak cepat diobati oleh
sebab itu yang harus dilakukan untuk mendeteksi penyakit usus buntu. Salah satunya
adalah dengan pemanfaatan teknologi informasi. Saat ini teknologi informasi juga
membantu meringankan tugas dokter dan sinshe. Alat untuk mendeteksi penyakit usus
buntu sudah ada tetapi dibutuhkan biaya yang mahal untuk membeli alat tersebut (Jie,
Sim Kie. 1997. ).
Oleh karena itu, dibuatlah aplikasi yang dapat mendeteksi penyakit usus
buntu melalui lidah. Aplikasi ini dapat digunakan sebagai langkah awal untuk
mengetahui tingkat kelainan pada usus buntu sehingga pasien tidak perlu melakukan
pemeriksaan lebih lanjut seperti pengecekan darah karena dengan adanya
pemeriksaan lebih lanjut sangat membutuhkan banyak biaya dan tenaga.
Dengan dibuatnya sistem ini agar dapat lebih menghemat tenaga para sinshe
dalam mediagnosa pasien, dengan hasil yang diberikan oleh sistem ini mengharapkan
pasien untuk dapat mengubah pola hidup makan penderita dari penyakit yang lain
selain usus buntu.
1.2 Perumusan Masalah
Permasalahan dalam perancangan dan pembuatan Tugas akhir ini meliputi :
Bagaimana membangun aplikasi sistem foto lidah untuk mendiagnosis radang usus
buntu berdasarkan analisis warna lidah.
1.3 Pembatasan Masalah
Berdasarkan latar belakang dan rumusan masalah maka batasan masalah yang
digunakan pada tugas akhir ini adalah sebagai berikut:
1. Pembuatan sistem ini berdasarkan pada gejala-gejala yang umum dan klinis
yang sering dialami oleh seseorang dan tidak berdasar hasil tes
laboratorium.
2. Aplikasi yang digunakan untuk membangun sistem ini adalah Microsoft
Visual Basic. 6 dan database yang digunakan adalah Microsoft Acces.
4. Gambar yang digunakan dengan ukuran 300x300 Piksel.
5. Kamera yang digunakan canon 550D.
6. Image lidah berwarna dan bertekstur tertentu yang menandakan penyakit
usus buntu. Pengambilan keputusan akan dipengaruhi dengan gejala-gejala
umum yang didapat dari anamnese pada pasien.
1.4 Tujuan
Tujuan dari perancangan dan pembuatan sistem ini adalah:
Menghasilkan sistem yang dapat mendeteksi penyakit usus buntu dengan
menggunakan foto lidah.
1.5 Sistematika Penulisan
Sistematika penulisan laporan adalah sebagai berikut:
BAB I : PENDAHULUAN
Membahas tentang bagaimana penderita lebih menghemat waktu dan
tenaga yang dimana penderita tidak perlu mencari sinshe lagi.
BAB II : LANDASAN TEORI
Meliputi penjelasan konsep dasar sistem informasi, macam macam
penyakit usus buntu dan penerapan pengolahan citra untuk diagnosa
penyakit. Terdiri dari :Definisi Penyakit Usus Buntu, Identifikasi
Penyakit, Diagnosa Lidah, Pengolahan Citra, Proses Anamneses,
Teknologi Informasi Basis data.
BAB III : ANALISA DAN PERANCANGAN SISTEM
Membahas tentang gambaran penyakit usus buntu serta identifikasi
jenis penyakit dan menuliskan metode yang penulis gunakan untuk
menyelesaikan tugas akhir ini. Terdiri dari : Identifikasi
Kedokteran Barat, Alur Proses Desain Cara Kedokteran Timur, Proses
Perhitungan Anamnesa, Proses Pendeteksian Image Lidah, Desain
Input – output (I/O).
BAB IV : IMPLEMENTASI DAN EVALUASI
Berisi hasil dan pembahasan yang berisi printscreen dari interface
progam dan penjelasan mengenai interface tersebut. Hasil evaluasi
didapat dengan melakukan testing aplikasi, baik dari segi jalannya
proses maupun validasi. Terdiri dari : Kebutuhan Sistem, Instalasi
Program dan Pengaturan Sistem, Evaluasi Sistem, Evaluasi Hasil Uji
Coba Sistem, Analisis Hasil Uji Coba.
BAB V : PENUTUP
Merupakan penutup yang berisi kesimpulan, saran dan daftar
5
LANDASAN TEORI
2.1 Definisi Penyakit Usus Buntu
Penyakit usus buntu adalah saluran usus yang terjadinya pembusukan dan
menonjol dari bagian awal usus besar atau seku. Penyakit usus buntu timbul
ketika usus buntu tersumbat benda keras di dalam tinja atau bengkaknya cabang
kelenjar getah bening, apabila tidak ditangani secara serius maka hal tersebut
dapat memperburuk kondisi penderita. (Sjamsuhidajat. Wim de jong. 2005).
Penyakit usus buntu terdapat di seluruh dunia dan dapat menyerang semua
orang, baik pria maupun wanita. Penyakit usus buntu disebabkan oleh bakteri dan
Makan cabai bersama bijinya atau jambu klutuk beserta bijinya sering kali tak
tercerna dalam tinja dan menyelinap kesaluran appendiks sebagai benda asing.
Gejala usus buntu umumnya mengalami sakit perut, terutama dimulai di sekitar
pusar dan bergerak kesamping kanan bawah, penurunan nafsu makan, mual dan
muntah, serta diare. (Sjamsuhidajat. Wim de jong. 2005. ).
Seseorang yang mengalami penyakit cacing (cacingan), apabila cacing yang
beternak didalam usus besar lalu tersasar memasuki usus buntu maka dapat
menimbulkan penyakit radang usus buntu. Peradangan atau pembengkakaan yang
terjadi pada usus buntu menyebabkan aliran cairan limfe dan darah tidak
sempurna pada usus buntu (appendiks) akibat adanya tekanan, akhirnya usus
buntu mengalami kerusakan dan terjadi pembusukan (gangren) karena sudah tak
Gambar 2.1 Pembusukan usus buntu (Sjamsuhidajat. Wim de jong. 2005.).
Gambar 1 menunjukkan pembusukan usus buntu menghasilkan cairan
bernanah. Apabila tidak segera ditangani maka usus buntu akan pecah
(perforasi/robek) dan nanah yang berisi bakteri tersebut menyebar ke rongga
perut. Dampaknya adalah infeksi yang semakin meluas, yaitu infeksi dinding
rongga perut (Peritonitis).
Usus buntu (appendiks) merupakan organ berbentuk tabung, dengan panjang
sekitar 10 cm (orang dewasa), lebarnya separo jari kelingking, jadi merupakan
ruangan yang sangat sempit. Lubangnya sempit di bagian pangkal dan melebar di
bagian ujung. Namun, pada bayi appendiks berbentuk kerucut, lebar pada
pangkalnya dan menyempit kearah ujungnya.
2.2 Identifikasi Penyakit
Dengan adanya pengidentifikasian pada keluhan suatu penyakit yang timbul,
maka diharapkan dalam mengindikasi penyakit yang terjadi lebih cepat dan
efisien. Adapun sub pokok bahasan dalam identifikasi penyakit pada pasien
adalah sebagai berikut :
Pada kondisi ini yang timbul sedikit mirip dengan sakit maag dimana terjadi
nyeri samar (tumpul) di daerah sekitar pusar dan terkadang demam yang hilang
timbul. Seringkali disertai dengan rasa mual, bahkan kadang muntah, kemudian
nyeri itu akan berpindah ke perut kanan bawah dengan tanda-tanda yang khas
pada apendisitis akut yaitu nyeri pada titik Mc Burney (istilah kesehatannya),
tubuh akan panas tinggi, nyeri perut kanan bawah, buat berjalan jadi sakit
sehingga agak bungkuk, namun tidak semua orang akan menunjukkan gejala
seperti ini, bisa juga hanya bersifat meriang atau mual muntah saja.
Penyebaran rasa nyeri akan bergantung pada arah posisi/letak usus buntu itu
sendiri terhadap usus besar, Apabila ujung usus buntu menyentuh saluran kencing
ureter, nyerinya akan sama dengan sensasi nyeri kolik saluran kemih, dan
mungkin ada gangguan berkemih. Bila posisi usus buntunya ke belakang, rasa
nyeri muncul pada pemeriksaan tusuk dubur atau tusuk vagina. Pada posisi usus
buntu yang lain, rasa nyeri mungkin tidak spesifik begitu.
2.2.1 Pengontrasan Citra
Pengontrasan citra digital merupakan proses yang bertujuan untuk
memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra
digital dapat dikelompokkan dalam dua jenis kegiatan :
1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah
diinterpretasi oleh mata manusia.
Bidang aplikasi kedua sangat erat hubungannya dengan ilmu pengetahuan pole (pattern recognition) yang umumnya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra atau image recognition. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari.
Pengolahan citra dan pengenalan pola menjadi bagian dari proses
pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan
ciri khas dari suatu citra yang hendak dikenali. Secara umum tahapan pengolahan
citra digital meliputi akusisi citra, peningkatan kualitas citra, segmentasi citra,
representasi dan uraian, pengenalan dan interpretasi. (Schahkoff, Robert J.Suns
Inc). Adapun sub pokok bahasan dalam pengolahan citra adalah sebagai berikut :
A. Akusisi Citra
Pengambilan data dapat dilakukan dengan menggunakan berbagai media
seperti kamera analog, kamera digital, scanner, dan sebagainya. Citra yang
dihasilkan belum tentu data digital, sehingga perlu didigitalisasi.
B. Peningkatan Kualitas Citra
Pada tahap ini dikenal dengan pre-processing dimana dalam meningkatkan
kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pada tahap
pengolahan citra digital berikutnya.
C. Segmentasi Citra
Segmentasi bertujuan untuk memilih dan mengisolasikan (memisahkan) suatu
deteksi tepian. Tahap downsampling merupakan proses untuk menurunkan jumlah
piksel dan menghilangkan sebagian informasi dari citra. Dengan resolusi citra
yang tetap, downsampling menghasilkan ukuran citra yang lebih kecil.
Tahap segmentasi selanjutnya adalah penapisan dengan filter median, hal ini
dilakukan untuk menghilangkan derau yang biasanya muncul pada frekuensi
tinggi pada spektrum citra. Pada penapisan dengan filter median, gray level citra
pada setiap piksel digantikan dengan nilai median dari gray level pada piksel yang
terdapat pada window filter.
Tahap yang terakhir pada proses segmentasi yaitu deteksi tepian. Pendekatan
algoritma Canny dilakukan berdasarkan konvolusi fungsi citra dengan operator
Gaussian dan turunan-turunannya. Pendeteksi tepi ini dirancang untuk
merepresentasikan sebuah tepian yang ideal, dengan ketebalan yang diinginkan.
Secara umum, proses segmentasi sangat penting dan secara langsung akan
menentukan keakurasian sistem dalam proses identifikasi.
D. Representasi dan Uraian
Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk
yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama
yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam
batasan-batasan atau daerah yang lengkap.
Batas representasi digunakan ketika penekanannya pada karakteristik bentuk
luar, dan area representasi digunakan ketika penekanannya pada karakteristik
dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe
E. Pengenalan dan Interpretasi
Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra dengan
suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacam-macam
citra. Dari sejumlah citra diolah sehingga citra dengan ciri yang sama akan
dikelompokkan pada suatu kelompok tertentu. Interpretasi meliputi penekanan
dalam mengartikan objek yang dikenali.
Gambar 2.2. penyakit usus buntu dan proses dimana menunjukan
pengolahan citra yang di tingkat kan kontras nya.
( Pang, Bo, David Zhang and Kuanquan Wang. 2005.).
Tahap selanjutnya adalah pengontrasan citra foto lidah untuk menghasilkan
citra yang berbeda sehingga dapat mengambil kesimpulan apakah terjadi sindrom
usus buntu.
2.2.2 Diagnosa Lidah
Pengamatan diagnosa lidah merupakan bagian terpenting dalam
pemeriksan dengan menggunakan hubungan antara pengukuran sifat berwarna
dan tekstur lidah (diperoleh melalui teknik pengolahan citra) dan diagnostik hasil
pasien yang sesuai. Ini memberikan evaluasi tujuan penentuan sindrom usus
Gambar 2.3 lidah pasien sehat dan lidah pasien terkena penyakit usus buntu.
( Pang, Bo, David Zhang and Kuanquan Wang. 2005. ).
Tahap ini dikenal dengan proses awal dimana dengan meningkatkan
kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pengolahan
citra digital tahap berikutnya.
2.2.3 Proses Anamneses
Tahap ini menanyai pasien dengan gejala-gejala usus buntu yang
digunakan untuk parameter dalam mengambil keputusan.
2.3 Teknologi Informasi
Istilah teknologi informasi sendiri pada dasarnya merupakan gabungan dua
istilah dasar yaitu teknologi dan informasi. Teknologi dapat diartikan sebagai
pelaksanaan ilmu, persamaan kata dengan ilmu terapan. Sedangkan pengertian
informasi menurut Oxfoord English Dictionary, adalah “that of which one is
apprised or told: intelligence, news”. Kamus lain menyatakan bahwa informasi
adalah sesuatu yang dapat diketahui. Namun ada pula yang menekankan informasi
sebagai transfer pengetahuan. Selain itu istilah teknologi informasi juga memiliki
arti yang lain sebagaimana diartikan oleh Rancangan Undang-Undang Informasi
untuk mengumpulkan, menyiapkan, menyimpan, memanipulasi, mengumumkan,
menganalisa, dan menyebarkan informasi dengan tujuan tertentu (Pasal 1 ayat 1).
Sedangkan informasi sendiri mencakup data, teks, image, suara, kode, program
komputer, database (Pasal 1 ayat 2).
Adanya perbedaan definisi informasi dikarenakan pada hakekatnya
informasi tidak dapat diuraikan, sedangkan informasi itu dijumpai dalam
kehidupan sehari-hari, yang diperoleh dari data dan observasi terhadap dunia
sekitar kita serta diteruskan melalui komunikasi. Secara umum, teknologi
informasi dapat diartikan sebagai teknologi yang digunakan untuk menyimpan,
menghasilkan, mengolah, serta menyebarkan informasi. Definisi ini menganggap
bahwa teknologi informasi tergantung pada kombinasi komputasi dan teknologi
telekomunikasi berbasis mikroeletronik.
2.4 Basis Data
Basis data merupakan kumpulan file-file yang mempunyai kaitan antara satu
file dengan file yang lain sehingga membentuk suatu bangunan data untuk
menginformasikan data yang dibutuhkan. Bila terdapat file yang tidak dapat
dipadukan atau dihubungkan dengan file yang lain berarti file tersebut bukanlah
kelompok dari satu database, ia akan membentuk satu database tersendiri.
Tujuan dari database adalah untuk mempermudah penciptaan struktur data
dan menyiapkan suatu database yang dapat digunakan untuk sejumlah progam
aplikasi yang berlainan sehingga dapat meningkatkan produktifitas pemrogam.
Kumpulan file yang saling berkaitan bersama dengan progam untuk
13
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis
Melihat lidah adalah salah satu cara metode diagnosis yang paling
penting dalam pengobatan Traditional China Medicine (TCM) selain
pendeteksian dengan menggunakan nadi. Metode diagnosis lidah digunakan untuk
mengamati perubahan abnormal pada lidah (tubuh lidah atau substansi lidah) dan
selaput lidah dalam mendiagnosis penyakit. Kelebihan diagnosa lidah dalam
kesederhanaan dan kecepatan. Setiap kali ada gangguan kompleks penuh
kontradiksi, pemeriksaan lidah langsung dapat memperjelas patologis utama
proses. Teori ini sangat berharga untuk diagnosis klinis.
Diagnosis lidah telah memainkan peran penting selama ribuan tahun
dalam mendiagnosis dan kelanjutan pengobatan penyakit. Hal ini menarik
perhatian sejumlah ahli pengobatan, baik di kedokteran klinis dan biomedik.
Namun, tradisional diagnosis lidah memiliki keterbatasan yang tak terelakkan.
Pertama, kompetensi klinis diagnosis lidah ditentukan oleh pengalaman dan
pengetahuan dari dokter. Kedua, faktor pengambilan gambar lidah sangat
tergantung pada perbedaan dalam sumber cahaya dan kecerahan gambar, memiliki
pengaruh yang besar pada dokter dalam mendapatkan diagnostik yang tepat dari
lidah tersebut. Akhirnya, diagnosis lidah tradisional erat berkaitan dengan
identifikasi sindrom, dan tidak sangat dipahami dengan baik oleh kedokteran
Barat dan biomedis modern. Oleh karena itu, perlu untuk membangun sebuah
Untuk mengatasi masalah diatas, peneliti telah berusaha
mengembangkan metode dan sistem komputerisasi untuk diagnosis lidah.
Meskipun para peneliti telah membuat kemajuan dalam standarisasi dan
kuantifikasi diagnosis lidah, masih ada masalah yang signifikan yaitu : Pertama,
beberapa metode hanya berkaitan dengan identifikasi sindrom, akibatnya, tidak
akan diterima secara luas, terutama di pengobatan barat (pengobatan barat tidak
mengenal sindrom). Kedua, validitas yang mendasari metode dan sistem biasanya
berdasarkan perbandingan antara hasil diagnosa yang diperoleh dari metode atau
sistem dan penilaian yang dibuat oleh praktisi terampil dalam membaca lidah.
Artinya, menggunakan pendekatan seperti itu maka sulit untuk menghindari faktor
subjektivitas. Ketiga, hanya sedikit sampel yang digunakan dalam percobaan
(biasanya tidak lebih dari 120), dan ini adalah jauh dari memenuhi persyaratan
untuk memperoleh hasil yang memuaskan dalam pengenalan pola statistik.
Terakhir, banyak dikembangkan sistem hanya didedikasikan untuk pengakuan
fitur patologis (Seperti warna tubuh lidah dan lidah sakit lidah) dalam diagnosis
lidah, dan pemetaan dari gambar lidah untuk penyakit tidak dipertimbangkan. Ini
pasti akan membatasi aplikasi dari sistem seperti dalam kedokteran klinis.
Seorang dokter barat dalam mendiagnosa suatu penyakit usus buntu
yaitu dengan melihat gejala-gejala klinis yang dialami oleh penderita. Gejala
tersebut didapatkan dari hasil jawaban atas pertanyaan-pertanyaan yang diberikan
oleh seorang dokter kepada penderita. Kemudian dokter membuat kesimpulan
penyakit yang diderita oleh pasien serta tingkat keparahan penyakit yang dialami.
Untuk dapat membuat sistem pendeteksi penyakit usus buntu dengan
dan gejala nya. Sumber data atau informasi tersebut bisa didapatkan dari seorang
pakar kesehatan maupun buku mengenai penyakit yang akan dianalisa. Berikut
gambaran umum mengenai proses sistem diagnosa penyakit usus buntu.
Data yang didapatkan dari seorang dokter maupun buku tersebut akan
dimasukkan kedalam sistem untuk diproses dan diolah yang kemudian akan
dijadikan sebuah informasi jenis penyakit usus buntu yang akurat. Proses tersebut
dimulai dengan membuat tabel pertanyaan. Jawaban dari pertanyaan ini akan
menentukan nilai yang telah diberikan pada tiap-tiap pertanyaan. Jumlah dari
semua nilai pertanyaan akan menjadi acuan dalam memutuskan penderita tersebut
mengalami radang usus buntu atau tidak. Nilai tersebut didapatkan dari hasil
pengamatan dokter terhadap prosentase jumlah gejala yang terjadi pada seorang
pasien untuk penyakit usus buntu.
Setelah mengumpulkan semua gejala-gejala yang dimasukkan oleh user,
sistem akan melakukan pencocokkan setiap gejala tersebut dengan nilai-nilai yang
telah diberikan atas pertanyaan tersebut, tiap pertanyaan mempunyai nilai yang
berbeda tergantung dari hirarki dari gejala yang sering timbul dari pengalaman
dokter-dokter dalam menangani pasien usus buntu (sesuai dengan teori dasar
kedokteran).
Diagnossa berikut dengan mengidentifikasi gambar lidah (Diagnosis ini
mengacu dari pemgalman-pengalaman praktisi pengobatan Traditional China
Medicine (TCM). Gambar lidah akan didiagnosa oleh sistem untuk menentukan
apakah penderita mengalami peradangan pada usus buntu atau tidak. Sistem yang
dibuat akan memadukan sistem pengobatan barat dan sistem pengobatan timur
diharapkan dapat menaikkan tingkat keakuratan dokter dalam membuat keputusan
diagnosa bagi penderita.
3.2 Perancangan Sistem
Sistem informasi ini memadukan cara diagnosa kedokteran barat dan
kedokteran timur (china medicine).
1. Cara kedokteran barat adalah dengan cara mengisi
pertanyaan-pertanyaan kemudian disimpulkan
2. Cara kedokteran timur adalah dengan menganalisa foto lidah
kemudian disimpulkan
3.2.1 Alur Proses Desain Cara Kedokteran Barat
Gambar 3.1 Usus Buntu (sekum) Dalam Sistem Pencernaan Manusia. (Jie, Sim
Kie. 1997.)
Usus buntu atau sekum (Bahasa Latin: caecus, "buta") dalam istilah
anatomi adalah suatu kantung yang terhubung pada usus penyerapan serta bagian
kolon menanjak dari usus besar. Organ ini ditemukan pada mamalia, burung, dan
beberapa jenis reptil. Sebagian besar herbivora memiliki sekum yang besar,
sedangkan karnivora eksklusif memiliki sekum yang kecil, yang sebagian atau
Pada awalnya organ ini dianggap sebagai organ tambahan yang tidak
mempunyai fungsi, tetapi saat ini diketahui bahwa fungsi apendiks adalah sebagai
organ imunologik dan secara aktif berperan dalam sekresi immunoglobulin (suatu
kekebalan tubuh) di mana memiliki/berisi kelenjar limfoid. ( Jie, Sim Kie. 1997. ).
Alur proses berikut menjelaskan tentang bagaimana tahapan-tahapan dari
proses pengumpulan data yang akan digunakan oleh penulis. Data tersebut
merupakan detail data yang akan diletakkan pada aplikasi diagnosa penyakit usus
buntu. Proses pengumpulan data dimulai dengan melakukan wawancara dengan
seorang pakar penyakit usus buntu (dokter). Wawancara dengan seorang pakar
tersebut melalui dua cara, yaitu wawancara langsung dan wawancara melalui
sebuah kusioner. Selain itu penulis mengumpulkan data gejala-gejala seseorang
menderita usus buntu dengan mengambil data dari pengetahuan dasar kedokteran
barat yang diajarkan. Kemudian penulis memetakan data tersebut menjadi
kusioner yang mempunyai nilai dari masing-masing pertanyaan yang ada
sehingga dapat menarik kesimpulan dari nilai yang diperoleh tersebut dapat dilihat
pada Gambar 3.2.
3.2.2 Alur Proses Desain Cara Kedokteran Timur.
Radang usus buntu adalah penyakit perut akut. Perubahan kelainan utama
yang terlihat pada gambar lidah pasien penderita usus buntu termasuk tiga aspek:
warna tubuh lidah, tekstur lidah dan selaput lidah, dan, khususnya, perubahan
patologis di ujung lidah. Warna substansi lidah bisa merah tua, merah agak tua
atau merah gelap, menurut seberapa serius masalah tersebut telah menjadi. Juga,
perubahan abnormal pada lapisan menunjukkan tingkat keparahan usus buntu itu.
mungkin memiliki penampilan yang berminyak atau kombinasi dari sifat ini.
Selain itu, tanda yang paling penting dari usus buntu dalam gambar lidah adalah
bahwa ada banyak prickles di ujung lidah, yang warnanya biasanya jelas merah
dapat dilihat pada Gambar 3.3. (Bo Pang, David Zhang, Kuanquan Wang. 2005. ).
Pencarian journal pendungkung Wawancara dengan praktisi kedokteran timur (sin she)
Pencarian gambar lidah yang terkena usus buntu dan yang
sehat
selesai Perbaiki Setuju ?
Konsultasi dengan pakar pendiagnosisan lidah Pengolahan gambar lidah
dengan cara dikontraskan,pemotongan
ukuran dan lain-lain
Tidak Ya Mulai
Gambar 3.3 Alur proses desain cara kedokteran timur.
3.2.3 Proses Perhitungan Anamnesa
Anamnesa adalah proses yang dimana menanyakan gejala-gejala apa saja
yang diderita oleh pasien agar sistem dapat mengetahui apakah penderita dapat
dikategorikan sebagai penderita usus buntu atau tidak.
Ananmnesa yang ada pada sistem ini adalah sebagai berikut :
1. Apakah demam diatas 38 derajat Celcius ?
2. Apakah mual-mual atau muntah ?
3. Apakah kehilangan nafsu makan ?
4. Apakah nyeri perut kanan bagian bawah ?
Masing-masing pertanyaan tersebut mempunyai nilai tersendiri. Besaran
nilai ini telah dikonsultasikan pada pakar penyakit usus buntu. Untuk pertanyaan
1-3 jika penderita mengalaminya maka akan ditambahkan nilai 20 untuk
masing-masing pertanyaan. Untuk pertanyaan 4 dan 5 akan ditambah nilai 45 untuk
masing-masing pertanyaan.
Gejala Nilai
1. Apakah demam diatas 38 derajat Celcius ? 20
2. Apakah mual-mual atau muntah ? 20
3. Apakah kehilangan nafsu makan ? 20
4. Apakah nyeri perut kanan bagian bawah ? 45
5. Apakah buat berjalan semakin menjadi sakit ? 45
Besaran nilai dari masing masing pertanyaan mempunyai arti semakin
besar nilainya maka semakin mendekati ke sakit usus buntu. Rasa nyeri kanan
bawah dan rasa sakit perut jika dibuat berjalan adalah gejala yang paling sering
timbul naka mempunyai nilai lebih besar terhadap gejala yang lain. Sedangkan
gejala yang lain disebut gejala penyerta yang artinya penderita belum tentu
menderita usus buntu jika hanya gejala penyerta yang timbul, bisa menderita
penyakit yang lain
Setelah diketahui jumlah akhir jika diatas nilai 80 maka penderita akan
diindikasikan terserang usus buntu sedangkan jika dibawah nilai 80 maka
penderita diindikasikan belum tentu menderita usus buntu.
Contoh 1
1. Apakah demam diatas 38 derajat Celcius ? ya 20
3. Apakah kehilangan nafsu makan ? tidak 0
4. Apakah nyeri perut kanan bagian bawah ? ya 45
5. Apakah buat berjalan semakin menjadi sakit ? ya 45
Jumlah 130
Karena 130 > 80 maka dalam kasus ini penderita akan dikategorikan
menderita sakit usus buntu.
Contoh 2
1. Apakah demam diatas 38 derajat Celcius ? ya 20
2. Apakah mual-mual atau muntah ? ya 20
3. Apakah kehilangan nafsu makan ? ya 20
4. Apakah nyeri perut kanan bagian bawah ? tidak 0
5. Apakah buat berjalan semakin menjadi sakit ? tidak 0
Jumlah 60
Karena 60 < 80 maka dalam kasus ini penderita akan dikategorikan
menderita tidak sakit usus buntu.
Latar belakang penentuan nilai / harga pada tiap-tiap gejala penyakit usus
buntu di atas adalah (Dokter Heru Bunawan).
1. Kasus 1 gejala no 1,2, dan 3 yaitu demam diatas 38 derajat celcius,
mual-mual atau muntah dan kehilangan nafsu makan merupakan gejala
penyerta. Jadi kalau gejala ini timbul dan gejala 4 dan 5 tidak ada maka
praktisi kedokteran tidak dapat menyimpulkan bahwa penderita
mengalami usus buntu karena ini hanya mengalami gejala penyerta. Untuk
kasus ini pada system memperoleh nilai 60 (penjumlahan semua nilai dari
2. Kasus 2 jika penderita mengalami gejala 1,2,3 dan 4 atau gejala 1,2,3 dan
5. Gejala 4 dan 5 merupakan gejala yang hampir pasti, jadi penderita jika
mengalami salah satu dari gejala ini maka hampir dipastikan menderita
usus buntu jika disertai gejala penyerta yaitu gejala 1, 2 dan 3. Maka pada
kasus ini penderita memperoleh nilai 105 yaitu dari penjumlahan gejala
1,2,3,4 atau 5 yang masing-masing bernilai 20+20+20+45 = 105
3. Kasus 3 jika penderita mengalami gejala 4 dan 5 secara beramaan maka
dapat dipastikan penderita mengalami usus buntu. Pada kasus ini penderita
memperoleh nilai 90 dari penjumlahan nilai pada gejala 4 dan 5 yang
masing-masing bernilai 45+45=90.
Dari bebagai macam kasus di atas maka disimpulkan nilai tengah antara
penilaian bagi yang menderita usus buntu dan yang tidak dari gejala-gejala diatas
adalah 80
3.2.4 Proses Pendeteksian Image Lidah
Pendeteksian gambar lidah dimaksudkan untuk mengidentifikasi gambar
lidah (Diagnosis ini mengacu dari pemgalman-pengalaman praktisi pengobatan
Traditional China Medicine). Gambar lidah akan didiagnosa oleh sistem untuk
menentukan apakah penderita mengalami peradangan pada usus buntu atau tidak,
dapat dilihat penjelasan alur proses pendeteksian pada Gambar 3.4.
A. Proses Pengambilan Foto Gambar Lidah
Pada proses pengambilan gambar lidah yang harus diperhatikan adalah
1. Penerangan dalam ruangan pengambilan foto.
Sebaiknya dilakukan diruangan yang cukup terang pada pagi hari,
2. Kemungkinan terjadi pengambilan gambar lidah yang salah
- Setelah makan makanan yang meninggalkan bekas
- Keadaan lidah sejak kecil.
Gambar 3.4 Alur proses pendeteksian gambar lidah.
B. Pemrosesan Image Lidah
Pada bagian ini hasil foto lidah di crop / pemotongan image
sehingga menghilangkan gambar selain lidah diusahakan seukuran 300 X 300
piksel. Selain pemotongan juga dilakukan pengontrasan gambar lidah jika
Gambar 3.5 Lidah Sebelum Dicrop Dan Lidah Sesudah Dicrop.
Proses pengambilan foto lidah hanya yang diperlukan untuk pemrosesan.
Pengambilan gambar dari sudut kiri atas sumbu x,y = 0, 0 dan pojok bawa kanan
x,y = 300, 300
C. Pengambilan Foto Lidah
Proses selanjutnya image lidah diambil dari tempat penyimpanan
terdapat pada hardisk yang sudah disiapkan dengan nama folder penyakit usus
buntu. Kemudian image lidah akan ditampilkan ke monitor untuk dilakukan
proses selanjutnya.
D. Penganalan Warna Dan Pengontrasan
Pengambilan warna dilakukan dari pojok kiri atas sampai pojok kanan
bawah, warna yang diambil akan diuraikan menjadi RGB kemudian dikontraskan.
Pengambilan Nilai Red dilakukan dengan cara membagi nilai piksel yang diambil
pada posisi x,y kemudian dibagi dengan 255 dan sisa dari pembagian ini adalah
nilai dari Red Jadi nilai Red = piksel (x,y) mod 255. Sisa pembagian isi pixel(x,y)
yang dibagi dengan angka 255 adalah nilai Red.
Nilai Green diperoleh dengan pembagian nilai piksel x,y dengan angka
255 hasilnya dibagi lagi dengan angka 255 sisa dari hasil ini merupakan nilai
Nilai Blue diperoleh dengan membagi nilai piksel pada posisi x,y dengan
angka 255 hasilnya dibagi lagi dengan angka 255 Jadi nilai Blue = piksel (x,y) /
255) / 255. Berikut ini penggabungan nilai piksel agar menghasil kan warna dapat
dilihat pada lampiran 1 - 4. Proses selanjutnya adalah pengontrasan dengan cara
memanipulasi nilai RGB :
1. Nilai Red
Jika Red Mod 128 <= 64 maka Red = Red – (Red Mod 128) + 0
Jika Red Mod 128 > 64 maka Red = Red – (Red Mod 128) + 128
2. Nilai Green
Jika Green Mod 128 <= 64 maka Green = Green – (Green Mod 128)
+ 0
Jika Green Mod 128 > 64 maka Green = Green – (Green Mod 128) +
128
3. Nilai Blue
Jika Blue Mod 128 <= 64 maka Blue = Blue – (Blue Mod 128) + 0
Jika Blue Mod 128 > 64 maka Blue = Blue – (Blue Mod 128) + 128
Nilai- nilai akan disimpan pada variable color yang digunakan untuk
pemrosesan selanjutnya Alur proses diatas dapat dilihat pada Gambar 3.6.
Algoritma dari Gambar 3.6 adalah sebagai berikut :
1. Mulai dari Y= 0 (kiri atas) ke tinggi gambar (kiri bawah).
2. Mulai dari X = 0 (kiri atas) ke lebar gambar (kanan atas).
3. Pixel = Baca nilai warna yang ada pada posisi (X,Y).
4. Red = Pixel Mod 256.
6. Jika Red Mod 128 <= 64 maka Red = Red – (Red Mod 128) + 0.
7. Jika Red Mod 128 > 64 maka Red = Red – (Red Mod 128) + 128.
8. Jika Green Mod 128 <= 64 maka Green = Green – (Green Mod 128) + 0.
9. Jika Green Mod 128 > 64 maka Green = Green – (Green Mod 128) + 128.
10. Jika Blue Mod 128 <= 64 maka Blue = Blue – (Blue Mod 128) + 0.
11. Jika Blue Mod 128 > 64 maka Blue = Blue – (Blue Mod 128) + 128.
Hasil Red, Green dan Blue disimpan di buffer dan digunakan untuk proses
selanjutnya. Penggunaan array buffer ini berguna untuk mempercepat proses.
Karena proses pembecaan piksel ke layar monitor relatif lebih lama dari pada
proses pembacaan ke memory RAM ( Bo Pang, David Zhang, Kuanquan
Wang. 2005. ). Dapat dilihat pada Gambar 3.6.
E. Grey Image
Warna grey adalah warna antara warna hitam dan warna putih. Pada
monitor, skala grey mempunyai nilai 00 untuk hitam dan 11 untuk putih maka
[image:34.612.101.510.273.636.2]skala grey ini mempunyai 4 kombinasi dapat dilihat pada Tabel 3.1.
Tabel 3.1 Nilai Dan Warna Grey.
Nilai Warna
00 Black
01 Dark grey
02 Light grey
03 White
Gambar 3.6 Penentuan Warna dan Pengontrasan.
Pada bagian ini akan dilakukan pemrosesan perubahan warna menjadi
grey dengan cara jumlahkan semua nilai RGB dari proses sebelumnya dan
kemudian bagi dengan nilai 3.
Red, green dan blue merupakan nilai dari perhitungan pada langkah
pengenalan warna jika dijumlahkan dan dibagi tiga akan menghasilkan warna
grey level.
Algoritma Pengenalan Warna pada langkah ini adalah :
1. Mulai dari Y= 0 (kiri atas) ke tinggi gambar (kiri bawah)
2. Mulai dari X = 0 (kiri atas) ke lebar gambar (kanan atas)
4. Green = dari bufeer image
5. Blue = dari bufeer image
6. GreyColor = Abs(((Red) + (Green) + (Blue) / 3)
Kemudian tampilakn nilai RGB ke layar monitor untuk pengecekan hasil
apakah sesuai dengan yang penulis harapkan yaitu perubahan warna menjadi
warna grey scale.
F. Membuat Region
Pada bagian ini adalah inti dari proses image lidah. Pengenalan
pengenalan pikles dapat dilakukan dengan proses ini. Untuk mencapai tujuan
tersebut proses dimulai dengan :
1. Langkah pertama adalah memetakan region.
Region adalah suatu wilayah dimana semua bagian wilayah
mempunyai nilai warna yang sama atau mendekati sama. Untuk
mencari nilai yang sama penulis menggunakan cara melihat disekitar
titik sekarang yaitu 8 bagian disekeliling titik x,y.
(x-1,y-1) (x,y-1) ( x +1 , y-1)
(x-1,y) (x,y) ( x +1 , y)
(x-1 , y + 1) (x,y+1) ( x +1 , y+1)
Dimana contoh region yang telah dimasukan angka :
(7,7 ) (8,7) (9,7)
(7,8) (8,8) (7,8)
(7,9) (8,9) (9,9)
Siapkan memori (buffer) sebesar dari gambar yang akan dicari
regionnya. Ini berfungsi untuk membuat / memetakan region yang
akan dicari. Memori tersebut diinisialisasi dengan angka 0 semua
Titik awal adalah x,y maka akan melihat sekeliling titik x,y tersebut
Ulangi mulai dari 1 sampai 8 (karena titik sekitar ada 8 buah)
Jika titik x,y dan titik sekitar mempunyai perbedaan yang
hampir sama maka akan dianggap satu region. Untuk perbedaan
menggunakan rumus sebagai berikut :
Red = (Red x,y - Red sekitar) ^ 2
Green = (Green x,y - Green sekitar) ^ 2
Blue = (Blue x,y - Blue sekitar) ^ 2
d = (Red + Green + Blue) ^ (1 / 2)
Rumus ini adalah rumus jarak antar dua koordinat, jika d
bernilai lebih kecil sama dengan 50 maka akan dianggap satu region
jika lebih maka akan dianggap region yang lain. Angka 50 diperoleh
dari hasil uji coba seberapa baik region yang dihasilkan maka
ditetapkan nilai 50. Dapat dilihat pada Gambar 3.7.
Dimana pada Gambar 3.8 hasil ini disimpan pada buffer yang
disiapkan. Selain itu juga akan menyimpann jumlah titik pada satu
region.
Region 1 mempunyai 32 titik.
Region 2 mempunyai 25 titik.
Region 3 mempunyai 11 titik.
Proses pada Gambar 3.8 untuk mencari papila yang beranggota
60-80 titik untuk satu papila.
Contoh hasil dari proses diatas adalah sebagai berikut :
Misalkan table ini gambar asli
1 1 1 1 1 1 1 1 1 1
1 1 1 1 2 2 2 2 1 1
1 1 1 2 2 2 2 1 1 1
1 1 1 2 2 2 2 3 3 3
1 1 1 2 2 3 3 3 3 3
1 1 1 2 2 3 3 3 4 4
2 2 1 2 2 4 4 4 4 4
2 2 2 2 2 4 4 4 4 4
Gambar 3.7 Region.
Hasil dari algoritma pencarian region adalah :
1 1 1 1 1 1 1 1 1 1
1 1 1 1 2 2 2 2 1 1
1 1 1 2 2 2 2 1 1 1
1 1 1 2 2 2 2 3 3 3
1 1 1 2 2 3 3 3 3 3
1 1 1 2 2 3 3 3 4 4
2 2 1 2 2 4 4 4 4 4
2 2 2 2 2 4 4 4 4 4
2. Langkah kedua adalah menyimpan titik yang tidak sama dengan titik
(x,y) di stack. Penyimpanan ini digunakan untuk mendapatkan titik
awal dari region yang lain. Kemudian dilakukan langkah pertama
maka ditemukan region berikut. Proses akan berlangsung sampai
semua wilayah yang baru yang berada pada stack berakhir. Proses
tersebut penulis memodifikasi dari algoritma floding pada proses
pewarnaan suatu wilayah gambar tertutup pada program paint.
3. Langkah ketiga proses penghilangan region yang berupa satu titik
apabila mempunyai dua titik atau lebih tidak dianggap noise apabila
lebih maka disebut region. Image pasti mempunyai noise atau titik
titik warna yang tidak sesuai dengan sekitarnya. Berikut ini adalah
algoritma penghilangan satu titik noise :
Apakah titik x,y tidak sama dengan titik sekitar nya jika ya ubah
warna titik x,y dengan warna titik disekitar nya yang dominan Jika
tidak selesai.
Pada sistem ini akan dianggap region yang lain sedangkan kalau
hanya satu titik maka bisa diabaikan, maka dari itu diadakan
pemrosesan yang tujuannya menghilangkan titik-titik noise tersebut.
Caranya dengan melihat disekelilingnya apakah titik tersebut
berbeda dengan titik sekitarnya kalau ya maka akan dihilangkan
dengan cara mengganti dengan titik yang sama dengan sekitarnya.
Pada penghilangan titik apabila terdapat titik yang berbeda dari
yang lain maka akan disamakan ke warna yang lain contohnya lihat
pada Tabel 3.2.
Gambar 3.10 A, 3.10 B, 3.10 C Menunjukan Lidah Sebelum.
diproses, proses pengontrasan, menunjukan proses pengenalan warna.
Pada Gambar 3.10 A image lidah diambil dari tempat
penyimpanan biasanya ada dihardisk atau tempat penyimpanan yang
lain. Kemudian image lidah akan ditampilkan ke monitor. Dengan
ukuran yang telah disiapkan yaitu 300 x 300 piksel. Pada Gambar 3.10
B dimana gambar sedang diproses dimulai dari pojok kiri atas sampai
RGB kemudian dikontraskan. Pada Gambar 3.10 C gambar sedang
dikontraskan dengan cara memanipulasi nilai RGB.
Pada tabel 3.2 Proses Penghilangan Region.
Putih Putih Putih
Putih Merah Putih
Putih Putih Putih
Gambar 3.11 Proses Region Dan Proses Penghilangan Region.
Pada contoh diatas terdapat warna merah yang dimana hanya
terdapat satu warna maka secara otomatis akan disamakan kewarna
putih.
4. Langkah ke empat yaitu menghitung jumlah titik pada tiap-tiap region
yang ada. Digunakan untuk mengetahui luas dari masing-masing
region.
5. Langkah ke lima adalah perapatan region yaitu menghilangkan region
yang mempunyai jumlah anggota titiknya 0. Karena dihasilkan dari
proses sebelumnya.
Proses sebelumnya adalah menghilangkan titik, yaitu region
maka region tersebut berisi 0 titik. Region-region ini yang dihilangkan
dari tabel region.
Gambar 3.12 A, 3.12 B Proses Perhitungan Papila Dan Proses Selesai.
Pada Gambar 3.12 A dimana perhitungan papila dimulai dari
pencarian tiap-tiap jumlah region yang paling besar adalah tubuh
lidah. Papila / pikles terdeteksi antara region dengan jumlah titik > 20
dan jumlah titik < 250 yang ada diwilayah lidah jumlah papila akan
menentukan pasien mengalami usus buntu atau tidak, pada Gambar
3.12 B dimana hasil akan diketahui oleh penderita.
G. Menentukan Papila Atau Pikles
Karena image gambar lidah sudah diedit dan gambar yang terbesar adalah
lidah maka dapat dikatakan region yang mempunyai jumlah titik terbesar adalah
gambar lidah.
Perhitungan papila dimulai dari pencarian tiap-tiap jumlah region yang
paling besar adalah tubuh lidah. Papila / pikles terdeteksi antara region dengan
jumlah titik > 20 dan jumlah titik < 250 yang ada diwilayah lidah jumlah papila
akan menentukan pasien mengalami usus buntu atau tidak. Angka 20 dan 250
diperoleh dengan uji coba program. Dengan cara ini maka akan mudah
Pendapat para ahli praktisi pendiaknosa lidah berpendapat bahwah papila
dengan jumlah di atas 80 buah pada tubuh lidah mengindikasikan bahwa pasien
menderita usus buntu dapat dilihat gambar 3.13.
H. Hasil Pemrosesan
Pada tahap ini sistem akan menampilkan hasil proses pendeteksi foto lidah
dan anamneses maka praktisi pengguna akan mendapatkan diagnose dengan dua
cara yaitu cara kedokteran barat dan cara kedokteran timur. Inputan ini akan
sangat berharga bagi pengguna software ini untuk melakukan langkah pengobatan
berikut bagi pasien. Dengan meminimalisasikan kesalahan diagnosis.
Alur proses mencari region adalah sebagai berikut :
[image:43.612.101.512.291.694.2]
3.2.3 Desain Input – Output (I/O)
Desain input output yang dibuat berfungsi untuk memudahkan user biasa
dalam penggunaan sistem. Form – form yang dirancang meliputi konsep interaksi
manusia dengan komputer dimana seorang user hanya dapat melihat form untuk
mengerti langkah apa yang akan di lakukan selanjutnya dalam penggunaan sistem.
a) Form Menu Utama
Form menu utama merupakan form awal yang berisi keseluruhan menu
[image:44.612.106.514.282.506.2]dari aplikasi diagnosa penyakit usus buntu dapat diliat pada Gambar 3.14.
Gambar 3.14 Desain Menu Utama.
Pada form utama terdapat tiga sub menu yang dimana ada file, master
dan image lidah. Pada file terdapat close untuk program, pada master terdapat
input pasien dan pada image lidah terdapat pendeteksi foto lidah.
b) From Input pasien
Form input pasien berfungsi untuk melihat data-data pasien. Bentuk desain form
Input Edit Delet Cancel Proses Close Identitas pasien Nama Alamat Telepon Jenis Kelamin Hp Tanggal Lahir Laki-Laki Perempuan Nomor
Kriteria pencarian Kata Kunci Adam
NamaJenis kelamin Tanggal lahir Alamat Telepon Hp Tanggal masuk Nama
Pencarian
Nomor
Gambar 3.15 Desain Input Pasien.
Pada form ini, Pengguna dapat melihat siapa saja yang telah terdaftar apa bila
penderita belum terdaftar maka penderita harus mendaftar terlebih dahulu agar data
tidak tertukar dengan yang lainnya. Komponen-komponen dapat di lihat pada Tabel
[image:45.612.102.519.287.710.2]3.3.
Tabel 3.3 Evaluasi Uji Coba Nama pasien.
No. Tujuan Input
Hasil yang
Diharapkan
Output Sistem
1.
Tambah data
baru ke tabel
Pasien.
Klik tombol ”Input”
Memasukkan data
Tabel 4.2 Kemudian
menekan tombol
Save.
Data tersimpan
pada tabel
pasien.
1.Inputan tampil
ke Datagrid
2.
Ubah data dari
tabel Pasien
“Klik” Data pasien
yang akan dirubah di
datagridview
kemudian tekan
tombol edit kemudian
ubah data tekan
Data tersimpan
pada tabel
pasien.
1.Data berhasil
disimpan pada
tabel pasien
2.Inputan tampil
No. Tujuan Input
Hasil yang
Diharapkan
Output Sistem
tombol update untuk
menympan 3. Menghindari data pasien kosong Memasukkan data pasien dengan mengosongkan salah
satu field kemudian
menekan tombol
Simpan.
Muncul pesan
data masih
kosong
1.Data tidak
[image:46.612.107.533.78.664.2]tersimpan pada
tabel pasien
2.Muncul pesan
kesalahan 4. Membatalkan penyimpanan dan perubahan data. Memasukkan data
Tabel 4.6 di
halaman131
kemudian menekan
tombol Batal.
Semua field
kosong
1.Data tidak
tersimpan pada
tabel pengguna
2.Form seperti
semula
c) From Pendeteksi Foto lidah
Form pendeteksi foto lidah berfungsi untuk mendeteksi apakah penderita
mengalami penyakit usus buntu atau tidak. Desain form pendeteksi foto lidah dapat di
lihat pada Gambar 3.16.
Pada form ini, pengguna dapat melakukan proses pendeteksi foto lidah agar
dapat mengetahui siapa saja yang telah menderita penyakit usus buntu maupun yang
tidak menderita penyakit usus buntu dan juga dapat mencetak hasil dari proses
tersebut. Komponen-komponen dapat dilihat pada Tabel 3.4.
Tabel 3.4 Evaluasi Uji Coba Pendetekasian Image Lidah untuk Menentukan
Radang Usus Buntu.
No. Tujuan Input
Hasil yang Diharapkan Output Sistem 1. Mengisi data pasien
Klik tombol ”Cari
pasien” keluar gambar
4.6 ”klik” data pasien
yang akan dirubah di
datagridview
Data pasien akan
tampil di kolom
data pasien.
Inputan tampil ke
kolom pasien
2.
Proses anamnesa
“Klik” anamnesa
[image:47.612.103.512.229.693.2]paisenakan tampil
gambar 4.7. klik
jawaban yang sesuai
kemudian tekan proses
Hasil dari anamnesa
akan tampil.
Akan tampak
hasil apakah
pasien menderita
usus buntu atau
tidak
3.
Mengambil
gambar lidah
“klik” browse maka
akan tampil gambar 4.8
cari gambar lidah yang
akan diproses klik dua
kali untuk mangambil.
Munculgambar lidah Muncul gambar lidah dikolom inage 4. Proses pendeteksian imaage
“Klik” tombol proses
pendeteksian image
Kesimpulan dari
proses pendeteksian
image menderita
usus buntu atau
Muncul hasil di
kolom
No. Tujuan Input
Hasil yang
Diharapkan
Output Sistem
tidak
5. Cetak Hasil
“Klik” tombol cetak
hasil
Mencetak gambar
ke printer
Mencetak hasil
di printer
d) From Anamnesa Pasien
Form anamnesa pasien berfungsi untuk memberikan pertanyan-pertanyaan yang
dimana setiap pertanyaan mempunyai bobot yang sudah ditetapkan agar dapat membantu
proses pendeteksian foto lidah. Form anamnesa pasien dapat dilihat pada Gambar 3.17.
Gambar 3.17 Desain anamnesa.
Dimana pada form anamnesa pasien penderita harus menjawab dengan
sebenarnya agar data yang diterima sesuai dengan masalah yang dihadapi.
e) From Cetak Hasil
Dimana from ini untuk mengetahui hasil yang telah diproses dapat dilihat
42
Pada bab ini akan dijelaskan mengenai implementasi dan uji coba Sistem
Pendeteksi Penyakit Usus Buntu Dengan Foto Lidah.
4.1 Implementasi
Sebelum dapat mengimplementasikan dan menjalankan aplikasi sistem ini,
dibutuhkan perangkat keras dan perangkat lunak dengan kondisi tertentu agar
dapat berjalan dengan baik. Berikut ini adalah Implementasi untuk aplikasi:
1. CPU Pentium IV
2. Memory 2 GB
3. Harddisk minimal 250 GB
4. VGA Card 64 MB, Keyboard, mouse, dan printer
5. Monitor SVGA dengan resolusi 800 X 600
Perangkat lunak merupakan kumpulan perintah atau intruksi yang
mempunyai tujuan tertentu dalam menjalankan suatu sistem. Berbeda dengan
perangkat keras, perangkat lunak adalah perangkat yang tidak berwujud.
Persyaratan perangkat lunak (software) adalah sebagai berikut:
1. Sistem operasi menggunakan Microsoft Windows XP Proffesional
2. Database untuk pengolahan data menggunakan Microsoft Office Access
2007.
3. Aplikasi yang dikembangkan menggunakan Microsoft Visual Basic 6.0.
Terdapat beberapa langka proses pengolahan lidah sehinga dapat
Proses Pengambilan Foto Gambar Lidah dimana pada proses ini melakukan
pengambilan foto lidah. Kemudian foto diproses dengan langka-langka sebagai
berikut :
• Pengontrasan warna dimana syntax program nya sebagi berikut :
lblKeteranganProses.Caption = "Pengontrasan Warna ...".
frmProses.Refresh.
For Ycw = 0 To PicLidah.ScaleHeight – 1.
For Xcw = 0 To PicLidah.ScaleWidth – 1.
Pixel = PicLidah.Point(Xcw, Ycw).
Rcw = Pixel Mod 256.
Gcw = (Pixel \ 256) Mod 256.
Bcw = (Pixel \ 256) \ 256.
R2 = Rcw Mod bit.
If R2 <= bit / 2 Then.
R1 = 0.
Else.
R1 = 128.
End If.
Rcw = Rcw - R2 + R1.
G2 = Gcw Mod bit.
If G2 <= bit / 2 Then.
G1 = 0.
Else.
End If.
Gcw = Gcw - G2 + G1.
B2 = Bcw Mod bit.
If B2 <= bit / 2 Then.
B1 = 0.
Else.
B1 = 128.
End If.
Bcw = Bcw - B2 + B1.
color(0, Xcw, Ycw) = Rcw.
color(1, Xcw, Ycw) = Gcw.
color(2, Xcw, Ycw) = Bcw.
PicLidah.PSet (Xcw, Ycw), RGB(Rcw, Gcw, Bcw).
Next Xcw.
Next Ycw.
[image:52.612.105.515.72.663.2]Hasil dari proses diatas dapat dilihat pada gambar 4.1.
Gambar 4.1 Hasil pengontrasan.
lblKeteranganProses.Caption = "Perubahan Warna ke Grey...".
frmProses.Refresh.
For Ykw = 0 To PicLidah.ScaleHeight – 1.
For Xkw = 0 To PicLidah.ScaleWidth – 1.
Rkw = Abs(color(0, Xkw, Ykw)).
Gkw = Abs(color(1, Xkw, Ykw)).
Bkw = Abs(color(2, Xkw, Ykw)).
GColor = Abs(((Rkw) + (Gkw) + (Bkw)) / 3).
color(0, Xkw, Ykw) = Gcolor.
color(1, Xkw, Ykw) = Gcolor.
color(2, Xkw, Ykw) = Gcolor.
PicLidah.PSet (Xkw, Ykw), RGB(GColor, GColor, GColor).
Next Xkw.
Next Ykw.
[image:53.612.103.507.288.651.2]Hasil dari proses diatas dapat dilihat pada gambar 4.2.
Gambar 4.2 Grey Image.
• Mebuat region dimana syntax program nya sebagi berikut :
NextReg = 0.
Yreg = 0.
PRegBuf = 1.
XRegBuf(PRegBuf) = 0.
YRegBuf(PRegBuf) = 0.
Dim X, Y As Integer.
For Y = 0 To PicLidah.ScaleHeight – 1.
For X = 0 To PicLidah.ScaleWidth – 1.
Imagebuf(X, Y) = 0.
Next X.
Next Y.
For i = 1 To 10000.
JumReg(i).Jm = 0.
Next i.
lblKeteranganProses.Caption = "Pencarian Region ...".
frmProses.Refresh.
Do.
NextReg = NextReg + 1.
Call SearchRegion(Xreg, Yreg, NextReg).
Xreg = XnewReg.
Yreg = YnewReg.
If NewReg Then.
AdaNol = True.
For Yr = 0 To PicLidah.ScaleHeight – 3.
If Imagebuf(Xr, Yr) = 0 And AdaNol Then.
Xreg = Xr.
Yreg = Yr.
PRegBuf = PRegBuf + 1.
XRegBuf(PRegBuf) = Xreg.
YRegBuf(PRegBuf) = Yre.
PicLidah.PSet (Xr, Yr), RGB(0, 255, 0).
Imagebuf(Xr, Yr) = NextReg + 1.
JumReg(NextReg + 1).Jm = JumReg(NextReg + 1).Jm + 1.
AdaNol = False.
NewReg = False.
End If.
Next Xr.
Next Yr.
End If.
Loop Until NewReg.
lblKeteranganProses.Caption = "reg asal: " + str(NextReg).
frmProses.Refresh.
'MsgBox "reg asal: " + str(NextReg).
lblKeteranganProses.Caption = "Proses Penghilangan Titik ...".
frmProses.Refresh.
For i = 1 To NextReg.
If JumReg(i).Jm < 6 Then.
For Xr = 0 To PicLidah.ScaleWidth – 3.
If Imagebuf(Xr, Yr) = i Then.
For j = 1 To 8.
If j = 1 Then.
Xc = Xr – 1.
Yc = Yr – 1.
End If.
If j = 2 Then.
Xc = Xr.
Yc = Yr – 1.
End If.
If j = 3 Then.
Xc = Xr + 1.
Yc = Yr – 1.
End If.
If j = 4 Then.
Xc = Xr - 1 '.
Yc = Yr.
End If.
If j = 5 Then.
Xc = Xr + 1.
Yc = Yr.
End If.
Xc = Xr – 1.
Yc = Yr + 1.
End If.
If j = 7 Then.
Xc = Xr.
Yc = Yr + 1.
End If.
If j = 8 Then.
Xc = Xr + 1.
Yc = Yr + 1.
End If.
If Xc < 0 Then Xc = 0.
If Yc < 0 Then Yc = 0.
If Imagebuf(Xc, Yc) <> i Then.
Imagebuf(Xr, Yr) = Imagebuf(Xc, Yc).
j = 8.
End If.
Next j.
End If.
Next Xr.
Next Yr.
End If.
Next i.
Gambar 4.3 Membuat Region.
• Menentukan papila dimana syntax program nya sebagi berikut :
JumlahTitik = 0.
For Y = 0 To PicLidah.ScaleHeight – 3.
For X = 0 To PicLidah.ScaleWidth – 3.
If Imagebuf(X, Y) = i Then JumlahTitik = JumlahTitik + 1.
Next X.
Next Y.
If PalingBesar < JumlahTitik Then.
PalingBesar = JumlahTitik.
End If.
JumlahTiapRegion(i) = JumlahTitik.
Next i.
lblKeteranganProses.Caption = "Proses Menampilkan Hasil"
frmProses.Refresh.
For i = 1 To NextReg.
If JumlahTiapRegion(i) = PalingBesar Then.
RR = 225.
GR = 128.
BR = 128.
ElseIf 20 < JumlahTiapRegion(i) And JumlahTiapRegion(i) < 300
Then.
RR = 0.
GR = 0.
BR = 0.
JumlahPapila = JumlahPapila + 1.
Else.
RR = 128.
GR = 255.
BR = 50.
End If.
For Y = 0 To PicLidah.ScaleHeight – 3.
For X = 0 To PicLidah.ScaleWidth – 3.
If Imagebuf(X, Y) = i Then PicLidahHasil.PSet (X, Y), RGB(RR, GR,
BR).
Next X.
Next Y.
Next i.
Gambar 4.4 Hasil Perhitungan Papila.
4.2Evaluasi Sistem
Adapun tahapan evaluasi sistem terbagi menjadi dua yaitu evaluasi hasil
uji coba sistem dan analisa hasil uji coba sistem. Evaluasi hasil uji coba sistem
dilakukan untuk mengkroscek kembali semua tahapan yang sudah dilakukan dan
analisa hasil uji coba sistem bertujuan untuk menarik kesimpulan terhadap semua
hasil uji coba yang dikerjakan terhadap sistem. Uji coba dilakukan dalam tahapan
beberapa uji coba (testing) yang telah disiapkan sebelumnya.
Proses pengujian menggunakan Black Box Testing dimana aplikasi akan
diuji dengan melakukan berbagai percobaan untuk membuktikan apakah aplikasi
yang telah dibuat sudah sesuai dengan tujuan yang akan dicapai.
4.2.1 Evaluasi Hasil Uji Coba Sistem
Untuk mendapatkan sistem yang sesuai dengan apa yang akan dicapai
maka dilakukan beberapa uji coba. Uji coba meliputi pengujian terhadap fitur
dasar aplikasi, uji coba perhitungan dan uji coba validasi pengguna terhadap
pemakaian aplikasi dengan menggunakan black box testing. Uji coba yang
Pada saat program mulai dijalankan form menu utama akan muncul
pertama kali sebelum memasuki form yang lainnya. Form ini digunakan untuk
[image:61.612.101.511.162.621.2]menampung form-form yang lain dapat diliat pada Gambar 4.5.
Gambar 4.5 Form Menu Utama.
Setelah pengguna berada pada menu utama maka dapat diliat ada 3 sub
proses yang telah tersedia dapat diliat pada gambar 4.6 dan 4.7
Gambar 4.7 Isi Menu Master.
Pada saat pengguna ingin melakukan pendeteksi maka diharuskan untuk
mengisi daftar pasien yang telah disiapkan oleh sistem. Pengguna diharuskan
untuk mengklik isi menu master. Pada saat diklik maka pengguna dapat melihat
[image:62.612.99.512.289.688.2]form yang telah tersedia. Lihat gambar 4.8.
Gambar 4.8 Form Input Pasien.
Tabel 4.1 Keterangan Tombol.
Keterangan Tombol Fungsi Gambar Tombol
Input Menambah data atau menginput data.
Delete Menghapus data.
Cancel Membatalkan inputan data dan mengkosongkan field inputan.
Close Keluar dari proses input pasien.
Sistem telah menyiapkan form yang harus di isi oleh pengguna setelah
pengguna selesai mengisi maka dapat mengklik button save apibila terdapat
[image:63.612.130.509.80.189.2]kesalahan data maka dapat diedit pada button edit. Dapat di lihat pada gambar.
[image:63.612.101.512.289.524.2]Gambar 4.9 Form Edit Nama pasien.
Tabel 4.2 Data Uji Coba Nama pasien.
Nama Field Data-1 Data-2
Nama Arief Hadi
Jenis Kelamin Laki-laki Laki-laki Tanggal Lahir 05-05-1990 08-08-2000 Alamat Jl. Mungsing 32 Jl. Dorang 4
Telepon 5673493 875435
Tabel 4.3 Evaluasi Uji Coba Nama pasien.
No. Tujuan Input Hasil yang
Diharapkan
Output Sistem Yang Diharapkan
1. Tambah data baru ke tabel Pasien.
[image:64.612.104.514.104.497.2]Klik tombol ”Input” Memasukkan data Tabel 4.2
Kemudian menekan tombol Save. Data tersimpan pada tabel pasien. Sukses
2. Ubah data dari tabel Pasien
“Klik” Data pasien yang akan dirubah di datagridview kemudian tekan tombol edit
kemudian ubah data tekan tombol update untuk menympan Data tersimpan pada tabel pasien. Sukses 3. Menghindari data pasien kosong Memasukkan data pasien dengan mengosongkan salah satu field kemudian menekan tombol Simpan. Muncul pesan data masih kosong Sukses 4. Membatalkan penyimpanan dan perubahan data. Memasukkan data Tabel 4.6 di halaman131 kemudian menekan tombol Batal.
Semua field
kosong Sukses
Pada saat pengguna selesai mengisi maka silahkan untuk mengklik
button close. Kemudian pengguna diharapkan untuk mengklik form pendeteksi
Gambar 4.10 Form Pendeteksi Foto lidah.
Setelah from diatas muncul maka pengguna slikan mengklik buton cari
pasien kemudian sistem akan menampil kan Nama-nama pasien yang telah
terdaftar silakan dilihat pada gambar.
Pada saat form diatas muncul maka pengguna silahkan mengklik nama
yang telah didaftarkan.
Tabel 4.4 Keterangan Tombol.
Keterangan Tombol Fungsi Gambar Tombol
Cari Pasien Mencari data pasien seperti Gambar 4.8
Anamnesa Pasien
Tanya jawab pasien diagnosa secara kedokteran barat untuk menentukan pasien menderita usus buntu atau tidak seperti Gambar 4.9
Browse Mengambil data gambar lidah Gambar 4.10
Prose
