KOMPUTERISASI IRIDOLOGI UNTUK MENDETEKSI KONDISI GINJAL MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN)

(1)

KOMPUTERISASI IRIDOLOGI UNTUK MENDETEKSI KONDISI GINJAL MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST

NEIGHBORS (KNN)

Mulki Kausari¹, Achmad Rizal², Adiwijaya³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

Abstrak

Iridologi merupakan ilmu pengetahuan dan praktik yang dapat mengungkapkan kondisi organ tubuh didasarkan pada analisis susunan iris mata (selaput pelangi). Perubahan atau gangguan penyakit pada jaringan tubuh akan diinformasikan melalui neuron serabut saraf ke otak.

Informasi berupa gelombang energi ini oleh otak dipancarkan ke mata dan terekam serta difiksasi oleh iris mata. Selanjutnya, fiksasi rekaman ini menjadi jejak-jejak data yang dapat dideteksi sehubungan dengan gangguan/ penyakit yang dialami oleh organ tubuh.

Penelitian tentang komputerisasi iridology ini menggunakan metode Principal Component Analysis (PCA) untuk proses pemilihan fitur sehingga dapat menemukan pola pada data dan mengkompresi data dengan cara mngurangi jumlah dimensi tanpa harus kehilangan banyak informasi. Selain itu juga digunakan K-Nearest Neighbors (KNN) untuk pengenalan dan interpretasi.

Pada penelitian ini, pendeteksian kondisi ginjal didesain melalui tahapan akuisisi citra, grayscale, segmentasi, ekstraksi variasi tekstur, dan pengenalan. Masukan berupa sampel iris pasien yang menujukkan 5 kondisi stadium yaitu normal, akut, subakut, kronis dan degeneratif. Pengujian dilakukan dengan program simulasi menggunakan perangkat Matlab 7.4.0. Sistem ini dapat mendeteksi suatu penyakit dengan cepat dan dengan tingkat keberhasilan 96% untuk melakukan pengidentifikasian pada mata kanan dan 92% pada mata kiri dengan menggunakan K-Nearest Neighbors.

Kata Kunci : Iridology, Principal Component Analysis (PCA), K-Nearest

Abstract

Iridology is knowledge and practice that can give expression to body condition based on the analysis of iris structure. The disturbance disease of body network will be informed by fiber nerve to brain. Information of this energy wave will be emission by brain to eye, recorded and fixed to the iris. Then, this record fixation to be data trails that can be detected in connection with disturbance/disease attack body.

The research of this computerized iridology using Principle Component Analysis (PCA) method for extraction process. It can found the pattern of data and also make data compression by decrease of dimension without many lose information. Beside that, this research also using K-Nearest Neighbors (KNN) for image recognition and interpretation.

In this research, detection of kidney condition is designed by image acquisition state, grayscale, segmentation, extraction texture variation, and recognition. The input of this system is sample iris of patient that gives indicating of state condition, normal, acute, sub acute, cronies, and degenerative. The test does with program simulation using Matlab 7.4.0 this system can detect disease quickly and the accuracy of this system is 96% for identification on right eye and 92% for left eye using K-Nearest Neighbors.

Keywords : Iridology, Principle Component Analysis (PCA), K-Nearest neighbors

Tugas Akhir - 2008

(2)

BAB I

PENDAHULUAN

1.1 Latar belakang

Ilmu iridologi adalah metode yang memungkinkan dokter dan praktisi kesehatan maupun orang awam untuk memberitahukan kondisi refleks sejumlah organ dan sistem tubuh, dari ciri-ciri atau tanda-tanda yang ada di dalam iris mata. Untuk mengetahui kondisi organ dan sistem tubuh melalui iris mata perlu dilakukan tahapan-tahapan yang dapat mendeteksi kondisi tersebut yaitu akuisisi citra, grayscale, segmentasi, ekstraksi variasi tekstur, dan pengenalan.

Proses terkomputerisasi pada tugas akhir ini untuk menghasilkan suatu deteksi kondisi ginjal area iris pukul 5.45 untuk iris kanan dan area 6.15 untuk iris kiri. Dimana ada empat level stadium dari penyakit atau peradangan pada tubuh yang bisa diungkapkan oleh iris dari kondisi normal menjadi akut, subakut, kronis dan degenerasi. Penelitian ini difokuskan pada ginjal manusia, karena mengingat pasien yang mengalami kelainan ginjal cukup tinggi, maka diharapkan penelitian ini dapat bermanfaat di hari kedepannya.

1.2 Tujuan Penelitian

Tujuan dari penelitian pada tugas akhir ini adalah :

1.

Untuk membandingkan performansi kinerja system deteksi kelainan pada ginjal dengan PCA dan KNN, dengan hasil analisis dari dokter iridologist dan dengan penelitian sebelumnya yang menggunakan Jaringan Syaraf Tiruan Learning Vector Quanization (JST LVQ).

2. Membantu mempermudah iridologist dalam mendeteksi adanya suatu gangguan pada organ tubuh manusia.

1.3 Rumusan Masalah

Masalah yang dibahas dalam tugas akhir ini adalah langkah dalam merancang suatu perangkat lunak untuk mengetahui kelainan organ tubuh

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

(3)

BAB I PENDAHULUAN

Komputerisasi Iridologi Untuk Mendeteksi Kondisi Ginjal Menggunakan Principal Component Analysis (PCA) dan K-Nearest Neighbors (KNN) 2

khususnya kelainan stadium serta kondisi normal pada ginjal dengan menggunakan metode Principal Component Analysis (PCA) untuk peoses pemilihan fitur, K-Nearest Neighbors (KNN) untuk pengenalan dan interpretasi.

1.4 Batasan Masalah

Dalam pembahasannya,tugas akhir ini dibatasi pada hal-hal:

1. Area penelitian yaitu kelainan ginjal area iris kanan 5.45 dan area iris kiri 6.15 (165-195 dalam derajat) dengan menggunakan sampel pasien yang meliputi 5 stadium yaitu acute, sub acute, chronic dan degeneratif serta kondisi normal ginjal.

2. Untuk proses ekstraksi ciri digunakan Principal Component Analysis (PCA).

3. Untuk proses pengenalan digunakan K-Nearest Neighbors (KNN) tanpa menggunakan threshold, sehingga setiap citra yang masuk bisa dikenali.

4. Sample yang iris mata sebagai masukan sistem diperoleh dari Klinik Iridologi Ir.D’Hiru MM.S.ked. dengan Ir.D’Hiru MM.S.ked sebagai iridologist.

5. Input sistem adalah citra mata yang didapatkan dengan menggunakan kamera digital CASIO QV-800SX dalam format JPEG berukuran 640 x 480.

6. Alat bantu yang dipakai dalam tugas akhir ini adalah photoshop CS.

7. Simulasi menggunakan matlab 7.4.0.

1.5 Metodologi Penulisan 1. Studi Literatur

Bertujuan untuk mempelajari dasar teori dari iridologi, pengolahan citra digital, normalisasi dalam proses citra. Serta menganalisa penggunaan metode Canny untuk mandapatkan daerah batas iris dan pupil (deteksi tepi), pusat lingkaran iris dan jari-jari iris, Principal Component Analysis (PCA) untuk proses pemilihan fitur dan KNN untuk proses pengenalan.

(4)

2. Pengumpulan Data

Bertujuan untuk mendapatkan sample dari citra iris yang akan digunakan sebagai masukan dari sistem, untuk melatih dan menguji suatu proses.

Pengumpulan koleksi akan diperoleh dari Klinik Iridologi Ir.D’Hiru MM.S.ked. dengan Ir.D’Hiru MM.S.ked sebagai iridologist.

3. Studi Pengembangan Aplikasi

Bertujuan untuk menentukan metodologi pengembangan perangkat lunak yang digunakan dengan pendekatan terstruktur dan melakukan analisa perancangan.

4. Implementasi Perangkat Lunak

Bertujuan untuk melakukan implementasi metode pada perangkat lunak sesuai dengan analisa perancangan yang telah dilakukan.

5. Analisa Performansi

Bertujuan untuk melakukan analisa performansi dengan menggunakan KNN yang dapat dicapai oleh sistem.

6. Mengambil Kesimpulan

1.6 Sistematika Penulisan

Proposal ini disusun menjadi 5 BAB, dengan rincian sebagai berikut : BAB I PENDAHULUAN

Bab ini membahas tentang latar belakang penulisan, tujuan penulisan, perumusan masalah, batasan masalah, metodologi penulisan, serta sistematika penulisan.

BAB II LANDASAN TEORI

Berisi tentang teori yang mendukung dan mendasari penulisan tugas akhir ini, yaitu iridologi, pengolahan citra digital, Principal Component Analysis (PCA), dan K-Nearest Neighbors (KNN).

(5)

BAB I PENDAHULUAN

BAB III PERANCANGAN SISTEM

Bab ini menguraikan tentang tahap proses perancangan dalam mengimplementasikan perangkat lunak untuk mengklarifikasikan stadium kelainan ginjal area iris kanan 5.45 dan area iris kiri 6.15 dan kondisi ginjal normal.

BAB IV PENGUJIAN SISTEM DAN ANALISA

Berisi pengujian dan analisis terhadap hasil yang diperoleh dari tahap perancangan dan implementasi.

BAB V KESIMPULAN DAN SARAN

Bab ini memberikan kesimpulan dari analisa yang telah dilakukan dan saran untuk pengembangan lebih lanjut.

(6)

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis terhadap pengujian yang dilakukan dalam sistem klasifikasi pada citra iris area ginjal menggunakan Principal Component Analysis (PCA) untuk ekstraksi ciri dan K-Nearest Neighbors (KNN) untuk

proses pengenalan, dapat disimpulkan beberapa hal sebagi berikut:

1. Implementasi perangkat lunak dalam pengidentifikasian kondisi ginjal menggunakan Principal Component Analysis (PCA) dan K-Nearest Neighbors (KNN) terbukti mampu bekerja dengan baik.

2. Keberhasilan sistem dalam pengolahan citra dipengaruhi oleh akuisisi citra, baik dari pencahayaan citra dan jarak antara kamera digital dengan iris mata pasien yang diujikan, agar kondisi iris mata pasien benar-benar dalam keadaan rileks tanpa akomodasi yang berlebihan dan proses pengolahan awal citra yang buruk menyebakan system tidak mampu mengolah citra tersebut sehingga terjadi kesalahan pengenalan citra.

3. Pada penelitian sebelumnya menggunakan JST LVQ memiliki tingkat akurasi yang lebih besar yaitu 96% untuk mata kanan dan kiri sedangkan menggunakan KNN dengan K=5 diperoleh performansi secara keseluruhan sebesar 96% untuk mata kanan dan 92% untuk mata kiri.

4. Untuk ekstraksi ciri, penggunaan PC ke-1 pada PCA memberikan hasil yang paling baik dibandingkan dengan penggunaan PC lainnya.

5. Metode KNN yang digunakan untuk proses pengklasifikasian stadium memerlukan data latih yang cukup banyak dan bervariasi agar menghasilkan tingkat akurasi yang baik pula.

6. Penentuan parameter K pada KNN sangat mempengaruhi performasi sistem identifikasi kelainan ginjal.

(7)

BAB V KESIMPULAN DAN SARAN

Komputerisasi Iridologi untuk Mendeteksi Kondisi Ginjal Menggunakan Principal Component

Analysis (PCA) dan K-Nearest Neighbors (KNN) 49

7. Dari hasil pengujian, waktu yang diperlukan oleh sistem untuk mendeteksi kelainan ginjal untuk mata kanan 7.228489 detik dan mata kiri 7.386891 detik.

5.2 Saran

Penelitian lebih lanjut diharapkan dapat memperbaiki kekurangan yang ada dan diharapkan dapat mengembangkan apa yang telah dilakukan pada penelitian ini. Untuk itu disarankan ha-hal berikut.

1. Pengambilan citra iris mata dapat dilakukan dengan pencahayaan yang diatur sedemikian rupa sehingga pada citra iris tidak terdapat kilatan cahaya yang menghilangkan sebagian informasi tekstur iris.

2. Untuk menambah tingkat akurasi system sebaiknya data yang digunakan banyak dan bervariasi.

3. Sistem identifikasi kondisi ginjal dapat dikembangkan sekaligus dengan perangkat kerang yang mendukung dalam memproses citra iris secara waktu nyata (realtime), sehingga dapat digunakan secara nyata dalam aplikasi kehidupan sehari-hari.

4. Untuk penelitian lebih lanjut dapat digunakan metode ekstraksi ciri lainnya seperti JST kohonen sebagai pembanding dengan metode yang telah digunakan sebelumnya.