IMPLEMENTASI DETEKSI TEPI CANNY DAN ISOTROPIK DENGAN TRANSFORMASI POWER LAW STUDI KASUS
KANKER MULUT RAHIM (SERVIKS)
SKRIPSI
IKA AYU LESTARI 131401062
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI DETEKSI TEPI CANNY DAN ISOTROPIK DENGAN TRANSFORMASI POWER LAW STUDI KASUS
KANKER MULUT RAHIM (SERVIKS)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
IKA AYU LESTARI 131401062
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI DETEKSI TEPI CANNY DAN ISOTROPIK DENGAN TRANSFORMASI POWER LAW STUDI KASUS KANKER MULUT RAHIM (SERVIKS)
Kategori : SKRIPSI
Nama : IKA AYU LESTARI Nomor Induk Mahasiswa : 131401062
Program Studi : SARJANA (S1) ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2017 Komisi Pembimbing:
DosenPembimbing II Dosen Pembimbing I
PERNYATAAN
IMPLEMENTASI DETEKSI TEPI CANNY DAN ISOTROPIK DENGAN TRANSFORMASI POWER LAW STUDI KASUS
KANKER MULUT RAHIM (SERVIKS)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2017
UCAPAN TERIMA KASIH
Puji, syukur, hormat, serta kemuliaan penulis panjatkan kehadirat Allah Tritunggal yang telah memberikan kesempatan kepada penulis untuk mengerjakan dan menyelesaikan skripsi ini. Begitu banyak bantuan yang penulis dapatkan baik itu secara moral dan materi untuk membantu kelancaran penulisan tugas akhir ini. Pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada :
1. Bapak Prof. Dr.Runtung Sitepu, S.H., M.Hum. selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
4. Bapak M. Andri Budiman, S.T., M.Comp.Sc., M.E.M selaku Dosen Pembimbing Akademik yang telah memberikan bimbingan dan dukungan kepada penulis. 5. Ibu Dian Rachmawati, S.Si, M.Kom. selaku Dosen Pembimbing I yang telah
memberikan bimbingan dan dukungan kepada penulis.
6. Ibu Amalia, S.T, M.T selaku Dosen Pembimbing II yang telah memberikan bimbingan dan dukungan kepada penulis.
7. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8. Seluruh tenaga pengajar dan pegawai pada Fakultas Ilmu Komputer dan Teknologi Informasi USU, terkhususnya di Program Studi S-1 Ilmu Komputer. 9. Orang tua penulis, yaitu Bapak Surianto dan Ibunda Tersayang Poini yang selalu
perhatian yang diberikan selama penulis menjalani studi serta dalam proses penyelesaian skripsi ini.
10. Sahabat – sahabat terbaik penulis, yaitu Siti Hasnah Hasibuan, Suwitri, Husnil Khotimah Siregar, Noni Natasyah, Siti Mona Silfiani, Yulia Dewi dan Wirda Wahyuni Nasution serta Abangda Muhammad Teguh Amanda, Gusra AlGeri, Farid Akbar yang telah memberikan doa dan dukungan selama penulis menjalani masa perkuliahan dan pengerjaan skripsi.
11. Teman-teman seperjuangan di KOM B 2013 Ilmu Komputer yang telah memberikan semangat kepada penulis dalam penyelesaian skripsi ini dan semua pihak yang trlah banyak membantu yang tidak bisa disebutkan satu-persatu.
Semoga Allah memberi kelimpahan berkat kepada semua pihak yang telah memberikan bantuan, semangat, dukungan dan perhatian kepada penulis dalam menyelesaikan skripsi ini. Semoga skripsi ini bermanfaat bagi penulis, pendidikan, masyarakat, organisasi atau negara.
ABSTRAK
Dalam dunia kesehatan pengolahan citra cukup memberikan peranan penting, seperti mengolah citra hasil dokumentasi kolposkopi kanker serviks. Salah satu pengolahan citra yaitu deteksi tepi (Edge detection). Deteksi tepi (Edge detection) adalah operasi yang dijalankan untuk mendeteksi garis tepi (edges) yang membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda. Deteksi tepi memiliki beberapa operator seperti operator Canny dan Isotropik. Deteksi tepi baik digunakan untuk mendeteksi hasil citra kolposkopi yang merupakan dokumentasi serviks dengan format file (*.png). Citra Kolposkopi akan di transformasi dengan transformasi nth root power untuk mendapatkan hasil citra deteksi yang lebih baik, kemudian dilakukan deteksi tepi dengan operator Canny dan Isotropik. Parameter keberhasilan sistem adalah perbandingan hasil diagnosa sistem dengan hasil diagnosa dokter. Diagnosa dokter terhadap 15 gambar menghasilkan nilai persentase akurasi 80%. Parameter untuk membandingkan kedua operator adalah running time, MSE dan PSNR. Rata-rata nilai running time Canny 0.3619206 ms sedangkan nilai running time Isotropik 1.49136262 ms. Dari perbandingan itu, operator Canny yang paling baik karna menghasilkan tepian yang lebih jelas dengan waktu yang cepat. Namun untuk nilai MSE yang terendah dan PSNR tertinggi dilakukan oleh operator Isotropik dengan nilai rata-rata MSE yaitu 11579,62 dan Nilai rata-rata PSNR yaitu 0,7556 dB.
ABSTRACT
Image processing provides an important role in the world of health, for example to process image documentation of cervical cancer colposcopy results. One of the image processing itself is edge detection. Edge detection is an operation performed to detect borders that constrain two homogeneous imagery regions that have different brightness levels. Edge detection has several operators such as Canny and Isotropic operators. The edge detection is good to use for detecting image documentation of cervical cancer colposcopy with the file format (*.png). Colposcopy image will be transformed by nth root power transformation to get better detection result, then by Canny and Isotropic operator. The success parameter of it is the comparison between the diagnostic result of the system with the doctor's diagnosis. Doctor's diagnosis of 15 images yields an 80% accuracy percentage value. Parameters to compare both operators are running time, MSE and PSNR. Average running time value Canny is 0.3619206 ms while Isotropic get 1.49136262 ms. From that comparison, Canny operator is the best in this case because Canny produces a clearer edge with a fast time instead. However, for the lowest MSE value and the highest PSNR conducted by Isotropic operator with the average value of MSE is 11579.62 and the mean value of PSNR is 0.7556 dB.
Keywords: Edge Detection, Canny, Isotropic, nth root power transformation,
DAFTAR ISI
PERSETUJUAN ii
PERNYATAAN iii
UCAPAN TERIMA KASIH iv
ABSTRAK vi
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 3
1.7 Sistematika Penulisan 4
BAB 2 LANDASAN TEORI
2.1 Pengertian citra 5
2.1.1 Citra Analog 5
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1.1 Analisis Masalah 23
3.1.2 Analisis Kebutuhan 24
3.1.2.1 Kebutuhan Fungsional 24 3.1.2.2 Kebutuhan Non-Fungsional 25
3.1.3 Analisis Proses 26
3.2 Perancangan Sistem 26
3.2.1 General Arsitektur Perancangan Sistem 27
3.2.2 Use-case Diagram 28
3.2.3 Activity Diagram 34
3.2.4 Sequence Diagram 36
3.2.5 Pseudocode 37
3.2.5.1 Pseudocode Deteksi Tepi Canny 37
3.2.5.1 Pseudocode Deteksi Tepi Isotropik 38
3.2.6 Flowchart 39
3.3Perancangan Antarmuka (Interface) 40 3.3.1 Rancangan Halaman Utama 40 3.3.2 Rancangan Halaman Deteksi Tepi 41 3.3.3 Rancangan Halaman Deteksi Kanker 43 3.3.4 Rancangan Halaman Tentang 44 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem 46
4.1.1 Form Home 46
4.1.2 Form Deteksi Tepi 47
4.1.3 Form Deteksi Kanker 48
4.1.4 Form Tentang 48
4.2 Pengujian Sistem 49
DAFTAR TABEL
Tabel 2.1 Penelitian yang Relevan 19
Tabel 3.1 Skenario Use Case Deteksi Tepi 29
Tabel 3.2 Skenario Use Case Input Citra 30
Tabel 3.3 Skenario Use Case Transformasi 30
Tabel 3.4 Skenario Use Case Canny 31 Tabel 3.5 Skenario Use Case Isotropik 31 Tabel 3.6 Skenario Use Case Save 31
Tabel 3.7 Skenario Use Case Deteksi Kanker 32
Tabel 3.8 Skenario Use Case Browser Canny 33
Tabel 3.9 Skenario Use Case Browser Isotropik 33
Tabel 3.10 Skenario Use Case Deteksi 34
Tabel 4.1 Pengujian Dengan Operator Canny 51
Tabel 4.2 Pengujian Dengan Operator Canny 53
Tabel 4.3 Perbandingan Running Time operator Canny dan isotropik 54
Tabel 4.4 Perbandingan MSE dan PSNR operator Canny dan isotropik 55
DAFTAR GAMBAR
Gambar 2.1 Kombinasi Warna RGB 8
Gambar 2.2 Contoh Citra Warna 9
Gambar 2.3 Contoh Citra Grayscale 10
Gambar 2.4 Proses Deteksi Tepi 12
Gambar 2.5 Model Tepi Satu Citra 12
Gambar 2.6 Area Konversi Arah Tepi 15 Gambar 2.7 Contoh Citra Operator Canny 16 Gambar 2.8 Contoh Citra Operator Isotropik 17 Gambar 2.9 Kurva Transformasi Citra 17 Gambar 2.10 Contoh Citra Transformasi ��ℎ root power 18 Gambar 3.1 Diagram Ishikawa Untuk Analisis Masalah 24 Gambar 3.2 General Arsitektur Perancangan Sistem 27 Gambar 3.3 Use Case Diagram Sistem 38 Gambar 3.4 Activity Diagram Form Deteksi Tepi 35 Gambar 3.5 Activity Diagram Form Deteksi Kanker 35 Gambar 3.6 Sequence Diagram Sistem 36 Gambar 3.7 Flowchart Tampilan Sistem 39 Gambar 3.8 Rancangan Halaman Utama 41 Gambar 3.9 Rancangan Deteksi Tepi 42 Gambar 3.10 Rancangan Deteksi Kanker 43
Gambar 3.11 Halaman Tentang 45
Gambar 4.1 Form Home 47
Gambar 4.2 Form Deteksi tepi 47
Gambar 4.3 Form Deteksi Kanker 48
Gambar 4.4 Form Tentang 48
Gambar 4.5 Proses Deteksi Tepi 49
Gambar 4.6 Proses Diagnosa Kanker 50
