IDENTIFIKASI LOKASI FRAKTUR PADA CITRA DIGITAL TULANG TIBIA MENGGUNAKAN METODE ALGORITMA SCANLINE
SKRIPSI
SUSI ELFRIDA S 111402036
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
IDENTIFIKASI LOKASI FRAKTUR PADA CITRA DIGITAL TULANG TIBIA MENGGUNAKAN METODE ALGORITMA SCANLINE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
Susi Elfrida S 111402036
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IDENTIFIKASI LOKASI FRAKTUR TULANG TIBIA DAN FIBULA MENGGUNAKAN ALGORITMA SCANLINE
Kategori : SKRIPSI
Nama : SUSI ELFRIDA S
Nomor Induk Mahasiswa : 111402036
Program Studi : S1 TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
PERNYATAAN
IDENTIFIKASI LOKASI FRAKTUR TULANG TIBIA DAN FIBULA MENGGUNAKAN ALGORITMA SCANLINE
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Mei 2015
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan ke hadirat Tuhan Yesus Kristus atas segala berkat dan pengasihan-Nya yang berlimpah sehingga penulis dapat menyelesaikan skripsi
ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulisan sampaikan kepada Bapak Muhammad Anggia Muchtar, S.T., MM.IT. selaku pembimbing pertama dan Bapak Dr.Iman Dwi Winanto selaku pembimbing kedua yang telah banyak meluangkan waktu untuk memberikan kritik dan saran dalam penelitian dan penulisan skripsi ini. Selanjutnya, terima kasih juga kepada Bapak Romi Fadillah Rahmat B.Comp.Sc.,M.Sc sebagai dosen penguji pertama serta Ibu Dr. Erna Budhiarti Nababan, M. IT sebagai dosen penguji kedua. Penulis juga mengucapkan terima kasih kepada Bapak dan Ibu dosen S1 Teknologi Informasi yang telah mengajar dan memberikan masukan serta saran yang bermanfaat selama proses perkuliahan hingga dalam penulisan skripsi ini. Ucapan terima kasih juga ditujukan kepada semua pegawai dan staf tata usaha Teknologi Informasi dan Fasilkom-TI, yang telah membantu proses administrasi selama perkuliahan.
Penulis tentunya tidak lupa berterima kasih kepada kedua orang tua penulis, yaitu Bapak Martolu Simanjuntak dan Ibu Romauli Panjaitan yang telah membesarkan penulis dengan sabar dan penuh cinta. Terima kasih juga penulis ucapkan kepada abang penulis Suberto dan Herianto Simanjuntak dan kakak penulis Lasmian, yang selalu memberikan dukungan kepada penulis. Penulis juga berterima kasih kepada Julchiply atas segala
bantuan, motivasi dan doa yang diberikan kepada penulis. Penulis juga berterima kasih pada seluruh anggota keluarga penulis yang namanya tidak dapat disebutkan satu satu.
iv
ABSTRAK
Fraktur adalah terputusnya kontinuitas jaringan tulang, retak atau patahnya tulang utuh yang biasanya disebabkan oleh trauma atau tenaga fisik. Fraktur tibia dan fibula yang terjadi akibat pukulan langsung, fraktur kedua tulang ini sering terjadi dalam kaitan satu sama lain. Salah satu cara yang digunakan untuk mengidentifikasi lokasi fraktur tibia dan fibula adalah dengan membaca gambar hasil foto X-ray secara manual. Pemeriksaan manual membutuhkan waktu yang lebih lama dan memungkinkan terjadinya kesalahan dalam identifikasi karena citra mengandung banyak noise. Terlebih lagi dalam pembacaan gambar X-ray membutuhkan sinar background yang kuat (sebagai pencahayaan) untuk membuat objek pada gambar
X-ray tampak lebih jelas, sehingga dibutuhkan suatu metode yang dapat mempermudah
ahli radiologi dalam mengidentifikasi lokasi fraktur tulang tibia dan fibula. Metode yang diajukan pada penelitian ini adalah algoritma Scanline untuk identifikasi lokasi fraktur. Sebelum tahap identifikasi dilakukan citra cruris akan mengalami pre-processing dan feature extraction menggunakan deteksi tepi Canny. Pada penelitian
ini ditunjukkan bahwa metode yang diajukan mampu melakukan identifikasi lokasi fraktur tulang tibia dan fibula dengan akurasi 87,5%.
v
IDENTIFICATION OF THE LOCATION OF TIBIA AND FIBULA FRACTURE USING SCANLINE ALGORITHM
ABSTRACT
A fracture is a break of continuity of bone tissue, a crack or a fracture of intact bone usually caused by trauma or physical exertion. Fracture of the tibia and fibula caused by a direct hit, both bone fractures often occur in conjunction with one another. A method that use to identify the location of tibia and fibula fracture by reading X-ray images manually. Manual inspection requires a lot of time and misidentification of the image that contains a lot of noise may occured. Especially in reading X-ray images requires a strong background light (for lighting) to make objects in X-ray images appear clearly, and so it is needed a method that can help radiologists in identifying the location of tibia and fibula fracture. The method proposed in this research is the Scanline algorithm to identify the location of the fracture. Pre-processing and feature extraction using canny edge detection will be performed before the identification step. This research shows that the proposed method is able to identify the location of tibia and fibula fracture with accuracy of 87,5%.
vi
2.1.4. Klasifikasi Fraktur 8
2.2 Citra 9
2.2.1 Citra Biner 10
2.2.2 Citra Keabuan (Grayscale) 10
vii
2.3.1. Cropping 12
2.3.2 Resizing 12
2.3.3 Grayscaling 12
2.3.4 Penajaman citra (Sharpenning) 13
2.3.5 Filtering 13
2.4 Ekstraksi Fitur 14
2.5. Algoritma Scanline 15
2.6. Penelitian Terdahulu 16
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 19
3.1 Arsitektur Umum 19
3.2 Data yang Digunakan 20
3.3 Pre-processing 21
3.3.1 Cropping 21
3.3.2 Resizing 22
3.3.3. Grayscaling 22
3.3.4. Penajaman Citra (Sharpening) 24
3.4 Ekstraksi Fitur 25
3.5 Identifikasi Lokasi Fraktur 27
3.6 Bentuk keluaran yang dihasilkan 30
BAB 4 IMPLEMENTASI DAN PENGUJIAN 34
4.1 Implementasi Sistem 34
4.1.1 Spesifikasi perangkat keras dan perangkat lunak yang digunakan 34
4.1.2 Implementasi perancangan muka 35
viii
DAFTAR TABEL
Hal.
Tabel 2.1. Penelitian terdahulu 17
Tabel 3.1. Nilai ektraksi fitur deteksi Canny 27
Tabel 3.2. Hasil Proses Scanline 30
Tabel 4.1. Rangkuman data citra cruris 38
ix
Gambar 2.5. Ilustrasi proses Scanline 16
Gambar 3.1. Arsitektur umum 20
Gambar 3.2. Citra Cruris 21
Gambar 3.3. Hasil pemotongan (cropping) citra cruris 21
Gambar 3.4. Citra hasil proses resizing 22
Gambar 3.5. Representasi pixel citra cruris 22
Gambar 3.6. Citra 9 (3x3) pixel 23
Gambar 3.7. Nilai grayscaling pada setiap pixel 24
Gambar 3.8. Citra hasil grayscaling 24
Gambar 3.9. Citra hasil sharpening 25
Gambar 3.10. Citra Proses canny 26
Gambar 3.11. Citra hasil canny 26
Gambar 3.12. Ilustrasi proses algoritma Scanline 29
Gambar 3.13. Struktur Menu Aplikasi 31
Gambar 3.14. Rancangan Tampilan Awal Identifikasi 32
Gambar 3.15 Rancangan Tampilan Halaman Utama 33
Gambar 4.1. Tampilan Halaman Awal 34
x
Gambar 4.3. Tampilan utama aplikasi saat tombol “Browse” dipilih 37
Gambar 4.4. Tampilan utama aplikasi setelah citra tulang dipilih 38
Gambar 4.5. Tampilan aplikasi pada proses identifikasi 39
Gambar 4.6. Tampilan citra hasil grayscaling 39
Gambar 4.7. Tampilan citra hasil sharpening 40
Gambar 4.8. Tampilan citra hasil deteksi tepi canny 41
Gambar 4.9. Tampilan citra hasil identifikasi 41