i
LAPORAN SKRIPSI
DETEKSI IRIS MATA UNTUK MENENTUKAN KELEBIHAN KOLESTEROL MENGGUNAKAN EKSTRAKSI CIRI MOMENT INVARIANT DENGAN K-MEANS CLUSTERING
Oleh :
HANDINI ARGA DAMAR RANI 2010-51-081
SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MURIA KUDUS
ii
LAPORAN SKRIPSI
DETEKSI IRIS MATA UNTUK MENENTUKAN KELEBIHAN KOLESTEROL MENGGUNAKAN EKSTRAKSI CIRI MOMENT INVARIANT DENGAN K-MEANS CLUSTERING
Oleh :
HANDINI ARGA DAMAR RANI 2010-51-081
SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MURIA KUDUS
iii
UNIVERSITAS MURIA KUDUS
PENGESAHAN STATUS SKRIPSI
JUDUL : DETEKSI IRIS MATA UNTUK MENENTUKAN KELEBIHAN
KOLESTEROL MENGGUNAKAN EKSTRAKSI CIRI
MOMENT INVARIANT DENGAN K-MEANS CLUSTERING
NAMA : HANDINI ARGA DAMAR RANI
Mengijinkan Skripsi Teknik Informatika ini disimpan di Perpustakaan Program Studi Teknik Informatika Universitas Muria Kudus dengan syarat-syarat kegunaan sebagai berikut :
1. Skripsi adalah hak milik Program Studi Teknik Informatika UMK Kudus 2. Perpustakaan Teknik Informatika UMK dibenarkan membuat salinan untuk
tujuan referensi saja
3. Perpustakaan juga dibenarkan membuat salinan Skripsi ini sebagai bahan pertukaran antar institusi pendidikan tinggi
4. Berikan tanda V sesuai dengan kategori Skripsi
Sangat Rahasia ( M e n ga nd un g i si t en t an g k es el a m at an / kepentingan Negara Republik Indonesia)
5.
Rahasia (Mengandung isi tentang kerahasiaan dari suatu organisasi/badan tempat penelitian Skripsi ini dikerjakan)
Biasa
Disahkan Oleh :
Penulis Pembimbing Utama
iv
UNIVERSITAS MURIA KUDUS
PERNYATAAN PENULIS
JUDUL : DETEKSI IRIS MATA UNTUK MENENTUKAN KELEBIHAN
KOLESTEROL MENGGUNAKAN EKSTRAKSI CIRI
MOMENT INVARIANT DENGAN K-MEANS CLUSTERING
NAMA : HANDINI ARGA DAMAR RANI
NIM : 2010-51-081
“Saya menyatakan dan bertanggung jawab dengan sebenarnya bahwa Skripsi ini
adalah hasil karya saya sendiri kecuali cuplikan dan ringkasan yang masing-masing telah saya jelaskan sumbernya. Jika pada waktu selanjutnya ada pihak lain yang mengklaim bahwa Skripsi ini sebagai karyanya, yang disertai dengan bukti-bukti
yang cukup, maka saya bersedia untuk dibatalkan gelar Sarjana Komputer saya
beserta segala hak dan kewajiban yang melekat pada gelar tersebut”.
Kudus, 13 Juni 2014
v
UNIVERSITAS MURIA KUDUS
PERSETUJUAN SKRIPSI
JUDUL : DETEKSI IRIS MATA UNTUK MENENTUKAN KELEBIHAN
KOLESTEROL MENGGUNAKAN EKSTRAKSI CIRI
MOMENT INVARIANT DENGAN K-MEANS CLUSTERING
NAMA : HANDINI ARGA DAMAR RANI
NIM : 2010-51-081
Skripsi ini telah diperiksa dan disetujui,
Kudus, 6 Juni 2014
Pembimbing Utama Pembimbing Pembantu
Mengetahui
Ka. Prodi Teknik Informatika
Ahmad Jazuli, M.Kom NIDN.0406107004 Endang Supriyati, M.Kom
NIDN. 0629077402
vi
UNIVERSITAS MURIA KUDUS
PENGESAHAN SKRIPSI
JUDUL : DETEKSI IRIS MATA UNTUK MENENTUKAN KELEBIHAN
KOLESTEROL MENGGUNAKAN EKSTRAKSI CIRI
MOMENT INVARIANT DENGAN K-MEANS CLUSTERING
NAMA : HANDINI ARGA DAMAR RANI
NIM : 2010-51-081
Skipsi ini telah diujikan dan dipertahankan di hadapan Dewan Penguji pada Sidang Skripsi tanggal 13 Juni 2014. Menurut pandangan kami, Skripsi ini memadai dari
segi kualitas untuk tujuan penganugerahan gelar Sarjana Komputer (S.Kom)
Kudus, 24 Juni 2014
Ketua Penguji Penguji 1
Rina Fiati, ST, M.Cs Ahmad Jazuli, M.Kom NIDN. 0604047401 NIDN. 0406107004
Mengetahui,
Dekan Fakultas Teknik Ka. Progdi Teknik Informatika
vii ABSTARCT
Human iris has a pattern that is very unique and different in every human being, so it is possible to use it as the basis for the introduction of known biometric Iridology to science. Iridology is a method of reading a map on the eye to detect some types of diseases by using observations of the iris pattern. In this study, the authors took the data of human iris use the digital camera, but the image of iris obtained are still a noise that require processing to eliminate or reduce the haziness. The authors designed the software to improve the image quality of a digital photograph of the iris which has symptoms of cholesterol. With using invariant moment feature extraction methods, aided by K-Means clustering algorithm for the calculation of the cluster center distance on the image of the iris. From the results of iris image that has been tested can be clustering into normal iris cholesterol and high iris cholesterol. In this study the have accuracy 95 %
viii ABSTRAK
Iris mata manusia memiliki pola yang sangat unik dan berbeda pada setiap manusia, sehingga sangat mungkin untuk menggunakannya sebagai dasar pengenalan
biometric yang dikenal dengan ilmu iridology. Iridology adalah metode pembacaan peta pada mata untuk mendeteksi beberapa jenis penyakit dengan menggunakan pola pengamatan iris mata. Pada penelitian ini penulis mengambil data iris mata menggunakan kamera digital, namun citra iris mata yang didapatkan masih tampak kabur sehingga memerlukan pengolahan untuk mengurangi kekaburan. Penulis mendesain perangkat lunak untuk meningkatkan kualitas citra foto iris mata yang memiliki gejala kolesterol. Metode yang digunakan adalah ekstraksi ciri moment invariant, dibantu dengan algoritma K-Means Clustering untuk perhitungan jarak pusat cluster pada citra iris mata. Dari hasil citra iris mata yang telah diujikan dapat dikelompokkan menjadi iris mata normal dan iris mata penderita kolesterol tinggi. Dalam penelitian ini tingkat akurasi dari data penelitian adalah sebesar 95%.
ix
KATA PENGANTAR
Puji syukur kehadirat Allah SWT karena atas Rahmat dan Hidayah-Nya
penulis mampu menyelesaikan penyusunan skripsi ini dengan judul “Deteksi Iris Mata Untuk Menentukan Kelebihan Kolesterol Menggunakan Ekstraksi Ciri Moment Invariant Dengan K-Means Clustering”.
Skripsi ini disusun guna melengkapi salah satu persyaratan untuk memperoleh Gelar Kesarjanaan Progam Studi Teknik Informatika Fakultas Teknik Universitas Muria Kudus. Pada kesempatan ini, penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada :
1. Allah SWT yang telah memberikan Rahmat dan Hidayah-Nya. 2. Bapak Dr.Soeparnyo, selaku PJS Rektor Universitas Muria Kudus.
3. Bapak Rochmad Winarso, S.T., M.T., selaku Dekan Fakultas Teknik Universitas Muria Kudus.
4. Bapak Ahmad Jazuli, M.Kom, selaku Ketua Program Studi Teknik Informatika Universitas Muria Kudus.
5. Ibu Endang Supriyati, M.Kom, selaku pembimbing I yang telah banyak memberikan masukan selama penyusunan skripsi ini.
6. Ibu Tutik Khotimah, M.Kom, selaku pembimbing II yang telah banyak memberikan masukan selama penyusunan skripsi ini.
7. Bapak Arief Susanto,S.T.,M.Kom, selaku Dosen dan Koordinator Skripsi yang selalu memberikan semangat dan nasehatnya untuk menyelesaikan Skripsi.
8. Ibu Sri retnowati,S.Pd, Bapak Rukiyono, serta Kakak-ku Handoko Reknoputro, S.ST, yang senantiasa memberikan dukungan, semangat, doa dan materi yang sangat berarti.
9. Teman-Teman TI Angkatan 2010 dan 2009, saudaraku angkatan 27 Dipo-Sri, serta semua pihak yang telah membantu penyusunan skripsi ini yang tidak bisa penulis sebutkan satu persatu, yang telah memberikan semangat dan motivasi.
Penulis menyadari sepenuhnya bahwa dalam penyusunan skripsi ini masih terdapat banyak kekurangan. Selain itu penulis juga berharap semoga karya tulis ini dapat memberikan manfaat bagi semua.
x
DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
HALAMAN SAMPUL ... ii
PENGESAHAN STATUS SKRIPSI ... iii
PERNYATAAN PENULIS ... iv
PERSETUJUAN SKRIPSI ... v
PENGESAHAN SKRIPSI ... vi
ABSTRACT ... vii
ABSTRAK ... viii
KATA PENGANTAR ... ix
DAFTAR ISI ... x
DAFTAR TABEL ... xiii
DAFTAR GAMBAR ... xiv
DAFTAR LAMPIRAN ... xvi
BAB I PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Batasan Masalah ... 2
1.3 Rumusan Masalah ... 3
1.4 Tujuan Penelitian ... 3
1.5 Manfaat Penelitian ... 3
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait ... 5
2.2 Landasan Teori ... 10
2.2.1 Iridologi ... 10
2.2.2 Jenis Gangguan pada Iris Mata ... 11
2.2.3 Kolesterol ... 12
2.2.4 Citra Digital ... 12
2.2.5 Pengolahan Citra Digital ... 13
2.2.6 Deteksi Tepi Canny ... 15
xi
2.2.8 Moment Invariant ... 16
2.2.9 Euclidean Distance ... 17
2.2.10Segmentasi Berbasis Clustering ... 17
2.2.11Konsep K-Means ... 18
2.2.12 Joint Photographic Expert Group (JPEG) ... 19
2.2.13 Confission Matrix………....20
2.2.14 Perangkat Lunak Yang Digunakan……….21
2.3 Kerangka Pikir ... 22
BAB III METODE PENELITIAN 3.1 Sumber Data ... 23
3.2 Rancangan Sistem ... 23
3.2.1 Preprocessing ... 24
3.2.2 Segmentasi Deteksi Tepi ... 24
3.2.3 Feature Extraction (Ekstraksi Fitur) ... 24
3.2.4 K-Means Clustering ... 25
3.2.5 Evaluasi ... 25
BAB IV PERANCANGAN SISTEM 4.1 Akuisi Data ... 26
4.2 Tahap Preprocessing ... 27
4.2.1 Grayscale... 27
4.3 Segmentasi Edge Detections (Deteksi Tepi) ... 28
4.4 Feature Extractions (Ekstraksi Fitur)... 29
4.5 Tahap K-Means Clustering ... 31
4.6 Hasil Uji Coba Data ... 32
4.7 Rancangan GUI ... 33
4.7.1 Rancangan Layar Utama……….33
4.7.2 Rancangan Layar Profil………...34
4.7.3 Rancangan Layar Simulasi Uji Data ... 35
4.7.4 Rancangan Layar Simulasi Testing ... 36
4.7.5 Rancangan Layar K-Means Clustering ... 37
4.7.6 Rancangan Layar Tentang Program……….…38
xii BAB V IMPLEMENTASI SISTEM
5.1 Data Uji Coba ... 40
5.2 Parameter Uji Coba ... 40
5.3 Hasil dan Analisis Uji Coba ... 41
5.3.1. Preprocessing ... 41
5.3.2. Hasil Deteksi Tepi ... 41
5.3.3. Feature Extraction (Ekstraksi Fitur) ... 46
5.3.4. Algoritma K-Means ... 49
5.3.5. Euclidean Distance ... 56
5.3.6. Hasil K-Means Clustering ... 58
5.4 Penggunaan Aplikasi………..60
BAB VI PENUTUP 6.1 Kesimpulan ... 67
xiii
DAFTAR TABEL
Halaman
Tabel 2.1 Perbandingan Penelitian Terkait ... .8
Tabel 2.2 Tabel Standart Kolesterol ... 12
Tabel 2.3 Konfusi Matriks Dua Kelas ... 20
Tabel 2.4 Instrumen Pengukuran Confusion Matrix ... 21
Tabel 4.1 Konfusi Matriks Dua Kelas………...32
Tabel 5.1 Hasil Deteksi Tepi Hasil Deteksi Tepi Canny ... 42
Tabel 5.2 Nilai Ekstraksi Fitur Data Uji ... 48
Tabel 5.3 Nilai RangeKolesterol…………..………49
Tabel 5.4 Iterasi Algoritma K-Means ……..……….49
Tabel 5.5 Nilai Euclidean distance Data Uji……….57
Tabel 5.6 Hasil K-Means Clustering Deteksi Kolesterol…………..………...58
xiv
DAFTAR GAMBAR
Halaman
Gambar 2.1 Chart iridologi ... 10
Gambar 2.2 Topografis Iris mata dalam 7 zona ... 11
Gambar 2.3 Citra Gangguan Pencernaan ... 11
Gambar 2.4 Citra Kolesterol Tinggi ... 11
Gambar 2.5 Citra Gangguan Kulit ... 11
Gambar 2.6 Koordinat Citra Digital ... 13
Gambar 2.7 Citra Biner ... 14
Gambar 2.8 Gambaran jarak Euclidean, City-block, dan Chebychef …………..17
Gambar 2.9 Jarak Euclidean ... 19
Gambar 2.10 Kerangka Pikir ... 22
Gambar 3.1 Citra iris mata ... 23
Gambar 4.1 Diagram Blok Sistem ... 26
Gambar 4.2 Digram Blok Tahap Preprocessing ... 27
Gambar 4.3 Alur Proses Graysacle ... 27
Gambar 4.4 Perbandingan Citra Asli dan Citra Hasil Grayscale ... 28
Gambar 4.5 Alur Proses Deteksi Tepi ... 28
Gambar 4.6 Deteksi Tepi Canny………...29
Gambar 4.7 Diagram blok ekstraksi fitur ... 30
Gambar 4.8 Diagram Blok Tahap K-Means Clustering ... 31
Gambar 4.9 Perancangan Layar Utama ... 33
Gambar 4.10 Perancangan Layar Menu Profil... 34
Gambar 4.11 Perancangan Layar Simulasi Preprocessing, Ekstraksi Fitur,dan Clustering .………..35
Gambar 4.12 Rancangan layar Simulasi Testing ... 36
Gambar 4.13 Form perancangan K-Means Clustering ... 37
Gambar 4.14 Perancangan layar AboutAplication ... 38
Gambar 4.15 Perancangan layar How to UseAplication ... 39
xv
Gambar 5.2 Hasil Citra Canny (Salt & pepper 0.02)……….42
Gambar 5.3 K-Means Clustering ... 59
Gambar 5.4 Menu Utama Aplikasi ... 60
Gambar 5.5 Menu Profil Aplikasi ... 61
Gambar 5.6 Menu K-Means Clustering ... 62
Gambar 5.7 Menu Uji Coba File………....63
Gambar 5.8 Menu Pengujian ... 65
Gambar 5.9 Menu About Aplication ... 65