SKRIPSI
HALAMAN SAMPUL
IMPLEMENTASI
FUZZY C-MEANS
UNTUK DETEKSI
DIABETIC RETINOPATHY
BERDASARKAN SEGMENTASI
PEMBULUH DARAH RETINA
Oleh :
Aris Siroojuddin Ahsan
2010-51-217
SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MURIA KUDUS
ii
SKRIPSI
HALAMAN JUDUL
IMPLEMENTASI
FUZZY C-MEANS
UNTUK DETEKSI
DIABETIC RETINOPATHY
BERDASARKAN SEGMENTASI
PEMBULUH DARAH RETINA
Oleh :
Aris Siroojuddin Ahsan
2010-51-217
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 : IMPLEMENTASI FUZZY C-MEANS UNTUK DETEKSI
DIABETIC RETINOPATHY BERDASARKAN SEGMENTASI PEMBULUH DARAH RETINA
NAMA : ARIS SIROOJUDDIN AHSAN
Mengijinkan Skripsi Teknik Informatika ini disimpan di Perpustakaan Program Studi Teknik Informatika Universitas Muria Kudus dengan syarat-syarat kegunaan sebagai berikut:
1. Skripsi adalah hal 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 √ sesuai dengan kategori Skripsi
Sangat Rahasia (Mengandung isi tentang keselamatan/ kepentingan Negara Republik Indonesia)
Rahasia (Mengandung isi tentang kerahasiaan dari suatu organisasi/badan tempat penelitian Skripsi ini dikerjakan)
Biasa
Disahkan Oleh:
Penulis Pembimbing Utama
Aris Siroojuddin Ahsan Endang Supriyati, M.Kom NIM. 201051217 NIDN. 0616088502
Alamat : Gemiring Kidul RT 02/RW 04 Nalumsari Jepara
Tanggal : 17 Juni 2014 Tanggal : 17 Juni 2014
iv
UNIVERSITAS MURIA KUDUS
PERNYATAAN PENULIS
JUDUL : IMPLEMENTASI FUZZY C-MEANS UNTUK DETEKSI
DIABETIC RETIN OPATHY BERDASARKAN SEGMENTASI PEMBULUH DARAH RETINA
NAMA : ARIS SIROOJUDDIN AHSAN
NIM : 2010-51-217
“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 mengklain bahwa Skripsi ini sebagai karyanya, yang disertai bukti-bukti yang cukup, maka saya bersedia untuk dibatalkan gelar Sarjana Komputer saya beserta segala hak
dan kewajiban yang melekat pada gelar tersebut”.
Kudus, 24 Juni 2014
v
UNIVERSITAS MURIA KUDUS
PERSETUJUAN SKRIPSI
JUDUL : IMPLEMENTASI FUZZY C-MEANS UNTUK DETEKSI
DIABETIC RETINOPATHY BERDASARKAN SEGMENTASI PEMBULUH DARAH RETINA
NAMA : ARIS SIROOJUDDIN AHSAN
NIM : 2010-51-217
Skripsi ini telah diperiksa dan disetujui,
Kudus, 28 Mei 2014 Pembimbing Utama
Endang Supriyati, M.Kom NIDN. 0629077402
Pembimbing Pembantu
Tutik Khotimah, M.Kom NIDN. 0608068502
Mengetahui
Ka. Progdi Teknik Informatika
vi
UNIVERSITAS MURIA KUDUS
PENGESAHAN SKRIPSI
JUDUL : IMPLEMENTASI FUZZY C-MEANS UNTUK DETEKSI
DIABETIC RETINOPATHY BERDASARKAN SEGMENTASI PEMBULUH DARAH RETINA
NAMA : ARIS SIROOJUDDIN AHSAN
NIM : 2010-51-217
Skripsi ini telah diujikan dan dipertahankan di hadapan Dewan Penguji pada Sidang Skripsi tanggal 17 Juni 2014. Menurut pandangan kami, Skripsi ini memadai dari
segi kualitas untuk tujuan penganugrahan gelar Sarjana Komputer (S.Kom)
Kudus, 24 Juni 2014 Ketua Penguji
Arief Susanto, S.T., M. Kom NIDN. 0603047104
Rochmad Winarso, S.T, M.T NIS. 0610701000001138
Ka. Progdi Teknik Informatika
vii ABSTRACT
Diabetic Retinopathy is a common complication from diabetes mellitus which is main causes of blindness. This is due to the occurrence of diabetic retinopathy diagnosis frequently late. Initial diagnosis of diabetic retinopathy usually performed by observe retinal image of the fundus camera directly. The results from retinal fundus camera imaging usually cannot provide a clear picture to retina’s blood vessels. So, it would complicate to analyze the retinal image for ophthalmologists. To performed early detection well, it required a system that able to detect Diabetic retinopathy based on retinal blood vessels image processing results, obtained from the fundus camera. In this research, the methods that used to obtain a clear and detail picture of the blood vessels is the median filter as a method of image enhancement and Gabor filters as a method of segmentation.Before the median filtering, RGB image from the fundus camera is converted into YCbCr image, and Y channel are separated for further processing with median filtering. To detect diabetic retinopathy blood vessels image segmentation results will be calculated its entropy values and skewness. Then, it clustered with the Fuzzy C-Means algorithm.The result from this research shows FCM algorithm with a variable input of entropy value and skewness able to detect the normal retina and Diabetic Retinopathy to the accuracy level 90% precisely, so it can be used for the physician consideration to treat patients of diabetic retinopathy.
viii ABSTRAK
Diabetic Retinopathy merupakan komplikasi umum dari Diabetes Melitus yang menjadi penyebab utama terjadinya kebutaan. Hal ini dikarenakan, sering terjadinya keterlambatan diagnosis Diabetic Retinopathy. Diagnosis awal Diabetic Retinopathy biasanya dilakukan dengan mengamati secara langsung citra retina dari kamera fundus. Hasil pencitraan retina dari kamera fundus biasanya tidak dapat memberikan gambaran yang jelas terhadap pembuluh darah retina, sehingga akan menyulitkan dokter mata untuk menganalisis citra retina tersebut. Agar deteksi dini dapat dilakukan dengan baik, maka dibutuhkan sistem yang mampu mendeteksi Diabetic Retinopathy berdasarkan pembuluh darah retina hasil pengolahan citra retina yang diperoleh dari kamera fundus. Pada penelitian ini, metode yang digunakan untuk mendapatkan gambaran pembuluh darah yang jelas dan terperinci adalah median filter sebagai metode image enhancement dan filter gabor sebagai metode segmentasi. Sebelum dilakukan median filter, citra RGB dari kamera fundus diubah menjadi citra YCbCr, dan channel Y dipisahkan untuk selanjutnya diproses dengan median filtering. Untuk mendeteksi Diabetic Retinopathy citra hasil segmentasi pembuluh darah akan dihitung nilai entropy dan skewness-nya, selanjutnya di-cluster dengan algoritma Fuzzy C-Means (FCM). Hasil dari penelitian ini menunjukkan bahwa algoritma FCM dengan input variabel berupa nilai entropy dan skewness mampu mendeteksi retina normal dan Diabetic Retinopathy secara tepat dengan tingkat akurasi sebesar 90%, sehingga dapat digunakan sebagai pertimbangan dokter untuk melakukan tindakan pada penderita Diabetic Retinopathy.
ix
KATA PENGANTAR
Puji syukur kehadirat Allah SWT karena Rahmat dan Hidayah-Nya penulis mampu menyelesaikan penyusunan skripsi ini dengan judul “IMPLEMENTASI FUZZY C-MEANS UNTUK DETEKSI DIABETIC RETINOPATHY BERDASARKAN
SEGMENTASI PEMBULUH DARAH RETINA”.
Skripsi ini disusun guna melengkapi salah satu persyatan untuk memperoleh Gelar Kesarjanaan Program Studi Teknik Informatika Fakultas Teknik Universitas Muria Kudus. Pada kesempatan ini, penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada :
1. Bapak Prof. Dr. Dr. Sarjadi, Sp. PA, selaku Rektor Universitas Muria Kudus.
2. Bapak Rochmad Winarso, ST, MT, selaku Dekan Fakultas Teknik Universitas Muria Kudus.
3. Bapak Ahmad Jazuli, S.Kom, M.Kom, selaku Ketua Program Studi Teknik Informatika Universitas Muria Kudus.
4. Ibu Endang Supriyati, M.Kom, selaku pembimbing 1 Skripsi penulis. 5. Ibu Tutik Khotimah, M.Kom, selaku pembimbing 2 Skripsi penulis.
6. Ibu dan Bapak serta Kakakku yang senantiasa memberikan dukungan semangat, doa yang sangat berarti.
7. Teman-teman TI Angkatan 2010 yang tidak bisa penulis sebutkan satu persatu yang telah memberikan saran dan motivasi.
8. Semua pihak yang telah membantu penyusunan skripsi ini yang tidak bisa disebutkan satu persatu.
Penulis menyadari sepenuhnya bahwa dalam penyusunan skripsi ini masih terdapat banyak kekurangan, untuk itu penulis menharap kritik dan saran dari berbagai pihak untuk sempurnanya sebuah karya tulis. Selain itu penulis juga berharap semoga karya tulis ini dapat memberikan manfaat bagi semua.
Kudus, 24 Juni 2014
x DAFTAR ISI
Halaman
HALAMAN SAMPUL ... i
HALAMAN JUDUL ... 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
1.5.1 Manfaat Penelitian Bagi Masyarakat ... 6
1.5.2 Manfaat Penelitian Bagi Akademik ... 6
1.5.3 Manfaat Penelitian Bagi Pengembang IPTEK ... 6
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait ... 7
2.2 Landasan Teori ... 9
2.2.1 Diabetic Retinopathy ... 9
2.2.2 Citra Digital Retina ... 10
xi
2.2.4 Ekstraksi Fitur ... 13
2.2.5 Fuzzy C-Means ... 14
2.2.6 Confusion Matrix ... 16
2.3 Kerangka Pemikiran ... 18
BAB III METODE PENELITIAN 3.1 Metode Pengumpulan Data ... 19
3.2 Metode Perancangan Deteksi Diabetic Retinopathy ... 19
3.2.1 Citra Retina ... 20
BAB IV PERANCANGAN SISTEM 4.1 Diagram Blok Deteksi Diabetic Retinopathy ... 23
4.1.1 Tahap Preprocessing ... 24
4.1.2 Tahap Segmentation ... 26
4.1.3 Tahap Feature Extraction ... 27
4.1.4 Tahap FCM Clustering ... 28
4.1.5 Diagram Blok Pengenalan Citra Retina ... 29
4.2 Perancangan GUI ... 30
4.2.1 Rancangan Halaman Menu ... 30
4.2.2 Rancangan Halaman Clustering... 31
4.2.3 Rancangan Halaman Pengenalan Citra Retina ... 31
4.2.4 Rancangan Halaman Help ... 32
4.2.5 Rancangan Halaman About ... 32
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1 Data Uji Coba ... 33
5.2 Pelaksanaan Uji Coba ... 33
5.3 Parameter Uji Coba... 34
5.4 Hasil dan Analisis Uji Coba ... 34
xii
5.4.2 Segmentasi dengan Gabor Filter ... 38
5.4.3 Ekstraksi Fitur ... 40
5.4.4 Clustering ... 41
5.5 Penggunaan Sistem ... 64
BAB VI PENUTUP 6.1 Simpulan ... 69
6.2 Saran ... 69
DAFTAR PUSTAKA ... 71
LAMPIRAN ... 72
xiii
DAFTAR TABEL
Halaman
Tabel 2.1 Confusion Matrix ... 16
Tabel 2.2 Instrumen Pengukuran ... 17
Tabel 4.1 Konfusi Matriks Dua Kelas ... 30
Tabel 5.1 Jumlah Citra Retina dan Penggunaannya ... 33
Tabel 5.2 Hasil Ekstraksi Ciri ... 40
Tabel 5.3 Parameter Awal FCM Clustering ... 44
Tabel 5.4 Derajat Keanggotaan Awal ... 44
Tabel 5.5 Hasil Ekstraksi Ciri Skewness dan Entropy ... 46
Tabel 5.6 Pusat Cluster Akhir Percobaan Pertama ... 48
Tabel 5.7 Jarak Pusat Cluster dan Anggotanya ... 49
Tabel 5.8 Konfusi Matriks Percobaan Pertama ... 50
Tabel 5.9 Hasil Ekstraksi Ciri Energi... 51
Tabel 5.10 Jarak Pusat Cluster dan Anggotanya ... 53
Tabel 5.11 Konfusi Matriks Percobaan Pertama ... 54
Tabel 5.12 Pengenalan Citra Retina ... 55
Tabel 5.13 Konfusi Matriks Pengenalan Citra RetinaPercobaan Pertama ... 57
Tabel 5.14 Konfusi Matriks Pengenalan Citra Retina Percobaan Kedua ... 57
xiv
Gambar 2.4 Kerangka Pemikiran Implementasi Fuzzy C-Means untuk Deteksi Diabetic Retinopathy Berdasarkan Segmentasi Pembuluh Darah Retina ... 18
Gambar 3.1 Perancangan Sistem Deteksi Diabetic Retinopathy ... 20
Gambar 4.1 Diagram Blok Utama Sistem ... 23
Gambar 4.8 Digram Blok Tahap Feature Extraction ... 27
Gambar 4.9 Digram Blok Tahap FCM Clustering ... 28
Gambar 4.10 Digram Blok Pengenalan Citra Reina ... 29
Gambar 4.11 Rancangan Halaman Menu ... 30
Gambar 4.12 Rancangan Halaman Clustering ... 31
Gambar 4.13 Rancangan Halaman Pengenalan Citra Retina ... 31
Gambar 4.14 Rancangan Halaman Help ... 32
Gambar 4.15 Rancangan Halaman About ... 32
Gambar 5.1 Perubahan Ruang Warna RGB ke YCbCr... 35
xv
Gambar 5.8 Fungsi Objektif Percobaan Pertama ... 48
Gambar 5.9 Plot pusat cluster dan anggotanya ... 49
Gambar 5.10 Fungsi Objektif Percobaan Pertama ... 52
Gambar 5.11 Plot pusat cluster dan anggotanya ... 52
Gambar 5.12 Menu Utama ... 64
Gambar 5.13 Help ... 65
Gambar 5.14 About ... 65
Gambar 5.15 Halaman Clustering ... 66
xvi
DAFTAR LAMPIRAN