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 :
webby_strife@yahoo.com
*) 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
negara-negara
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
untuk
meningkatkan kualitas citra.
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
akan dilakukan deteksi tepi
dengan metode Sobel.
4.
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.
5.
Tahap pengisian area objek
Pada tahap ini objek yang sudah
dideteksi akan diberi lubang
putih untuk mengisi area yang
ada didalamnya.
6.
Tahap segmentasi citra
Pada tahap ini dilakukan proses
pemisahan objek dari latarnya.
7.
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
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.
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 :
ܵ௫= −1 0 1 −2 0 2 −1 0 1൩ ܵ௬= 1 2 1 0 0 0 −1 −2 1൩
