IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
SKRIPSI
AMELIA FEBRIANI
101402009
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
AMELIA FEBRIANI
101402009
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PERSETUJUAN
Judul : IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED
K-NEAREST NEIGHBOR
Kategori : SKRIPSI
Nama : AMELIA FEBRIANI
Nomor Induk Mahasiswa : 101402009
Program Studi : S1 TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Erna Budhiarti Nababan, M.IT Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.
NIP. - NIP. 19860303 201012 1 004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
PERNYATAAN
IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Desember 2014
Amelia Febriani
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan ke hadirat Tuhan Yang Maha Esa yang telah
memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini
sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi.
Pertama, penulis ingin mengucapkan terima kasih kepada Bapak Romi Fadillah
Rahmat, B.Comp.Sc., M.Sc selaku pembimbing pertama dan Ibu Dr. Erna Budhiarti
Nababan, M.IT selaku pembimbing kedua yang telah membimbing penulis dalam
penelitian serta penulisan skripsi ini. Tanpa inspirasi serta motivasi yang diberikan dari
kedua pembimbing, tentunya penulis tidak akan dapat menyelesaikan skripsi ini. Penulis
juga mengucapkan terima kasih kepada Bapak Muhammad Fadly Syahputra, B.Sc.,
M.Sc.IT sebagai dosen pembanding pertama dan Bapak Dani Gunawan, ST., MT sebagai
dosen pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat
dalam penulisan skripsi ini. Ucapan terima kasih juga ditujuan kepada Ketua dan
Sekretaris Program Studi Teknologi Informasi, Dekan dan Pembantu Dekan Fakultas Ilmu
Komputer dan Teknologi Informasi, dan semua dosen serta pegawai di lingkungan
program studi Teknologi Informasi, yang telah membantu serta membimbing penulis
selama proses perkuliahan.
Penulis tentunya tidak lupa berterima kasih kepada kedua orang tua penulis, yaitu
Bapak Jabrianul Hasibuan dan Ibu Sasmita Tanjung yang telah membesarkan penulis
dengan sabar dan penuh cinta. Terima kasih juga penulis ucapkan kepada kakak penulis
Dila Anggraini Putri dan adik penulis Feliza Tania, yang selalu memberikan dukungan
kepada penulis. Penulis juga berterima kasih kepada seluruh anggota keluarga penulis yang
namanya tidak dapat disebutkan satu satu.
Terima kasih juga penulis ucapkan kepada teman-teman yang telah memberikan
dukungan, khususnya Noviyanti Tri M, Halimatussadiah, Ilmi Fadhillah Rizki, Sheila
Khairuna, serta seluruh teman-teman angkatan 2010 dan teman-teman mahasiswa
ABSTRAK
Diabetic retinopathy merupakan komplikasi mikrovaskuler dari penyakit diabetes melitus yang menyerang pembuluh darah di retina. Karakteristik utama dari diabetic retinopathy
adalah mikroaneurisma, pendarahan retina, eksudat, dan neovaskularisasi. Salah satu cara
yang digunakan untuk mengidentifikasi diabetic retinopathy adalah pemeriksaan pada citra retina. Adapun pemeriksaan masih dilakukan secara manual oleh dokter mata. Pemeriksaan
manual membutuhkan waktu yang lama dan kesalahan identifikasi mungkin terjadi karena
beberapa karakteristik diabetic retinopathy sulit untuk dilihat secara langsung, sehingga dibutuhkan suatu metode yang dapat mempermudah dokter mata dalam mengidentifikasi
diabetic retinopathy. Metode yang diajukan pada penelitian ini adalah Modified k-Nearest Neighbor untuk identifikasi diabetic retinopathy. Sebelum tahap identifikasi dilakukan, citra retina akan mengalami pre-processing, optic disc elimination, dan feature extraction
menggunakan Gray Level Co-occurrence Matrix. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu melakukan identifikasi diabetic retinopathy dengan akurasi 86,4%, sensitifitas 91,6%, dan spesifisitas 80%.
DIABETIC RETINOPATHY IDENTIFICATION THROUGH FUNDUS IMAGE
USING MODIFIED K-NEAREST NEIGHBOR
ABSTRACT
Diabetic retinopathy is a microvascular complication of diabetes mellitus which affect the
blood vessels in the retina. The main characteristics of diabetic retinopathy are
microaneurysms, retinal hemorrhages, exudates, and neovascularization. One way used to
identify diabetic retinopathy is the examination of the fundus image. The examination is
still done manually by ophthalmologist. Manual examination requires a lot of time and
errors may occur during the examination because some characteristics of diabetic
retinopathy are hard to be seen directly, so it is needed a method which can help
opthalmologist in identifying diabetic retinopathy. The method proposed in this research
for identification of diabetic retinopathy is Modified k-Nearest Neighbor. Pre-processing,
optic disc elimination, and feature extraction using Gray Level Co-occurrence Matrix will
be done before the identification phase. This research shows that the proposed method is
able to identify diabetic retinopathy with accuracy of 86,4%, sensitivity of 91,6%, and
specificity of 80%.
Keyword: diabetic retinopathy identification, optic disc elimination, Gray Level
DAFTAR ISI
Hal.
Persetujuan ii
Pernyataan iii
Ucapan Terima Kasih iv
Abstrak v
2.1.3. Gejala diabetic retinopathy 8 2.1.4. Pemeriksaan diabetic retinopathy 8 2.1.5. Pencegahan diabetic retinopathy 10 2.1.6. Pengobatan diabetic retinopathy 11
2.2. Citra 12
2.3.4. Perbaikan citra (Image Enhancement) 16
2.6. Penelitian Terdahulu 27
3.3.2. Memperkecil ukuran citra (Scaling) 33 3.3.3. Pembentukan citra green channel 33
3.3.4. Peningkatan kualitas citra 34
3.4. Optic Disc Elimination 34
3.4.1. Pembentukan citra biner (Thresholding) 35 3.4.2. Penipisan piksel pada objek (Erosion) 35 3.4.3. Pembentukan citra negatif (Inversion) 37
3.4.4. Perkalian citra 38
3.5. Feature Extraction 38
3.6. Klasifikasi 41
3.7. Perancangan Sistem 42
3.7.1. Perancangan menu sistem 42
3.7.2. Perancangan antarmuka 42
BAB 4 Implementasi dan Pengujian 45
4.1. Implementasi Sistem 45
4.1.1. Spesifikasi perangkat keras dan perangkat lunak
4.1.2. Implementai perancangan antarmuka 46
4.1.3. Implementasi data 47
4.2. Prosedur Operasional 48
4.3. Pengujian Sistem 52
BAB 5 Kesimpulan dan Saran 57
5.1. Kesimpulan 57
5.2. Saran 57
DAFTAR TABEL
Hal.
Tabel 2.1. Penelitian terdahulu 28
Tabel 3.1. Pembagian citra yang digunakan dalam penelitian 31
Tabel 3.2. Pembagian training dataset 31
Tabel 3.2. Pembagian testing dataset 31
Tabel 3.4. Fitur Haralick 40
Tabel 4.1. Rangkuman data citra retina 47
Tabel 4.2. Ukuran kinerja hasil pengujian (Kadah, 2012) 52
Tabel 4.3. Data hasil pengujian 54
DAFTAR GAMBAR
Hal.
Gambar 2.1. Penglihatan orang normal dan penderita diabetic retinopathy
(NEI, 2012) 7
Gambar 2.2. Fundus photography 9
Gambar 2.3. Citra fluorescein angiography 10
Gambar 2.4. Citra Optical Coherence Tomography (OCT) 10
Gambar 2.5. Citra biner 13
Gambar 2.6. Citra keabuan 13
Gambar 2.7. Citra warna 14
Gambar 2.8. Arah ketetanggaan antara dua piksel 19
Gambar 2.9. Jarak antar piksel 20
Gambar 2.10. Citra grayscale dalam bentuk matriks dan matriks framework 21 Gambar 2.11. Matriks kookurensi dengan jarak 1 dan arah 0 21
Gambar 2.12. Matriks kookurensi, matriks transpose, dan matriks simetris 22 Gambar 3.1. Arsitektur umum dari metode yang diajukan 30
Gambar 3.2. Citra retina asli, citra hasil pemotongan secara horizontal,
dan citra hasil pemotongan secara vertikal 33
Gambar 3.3. Citra greenchannel 33
Gambar 3.4. Citra hasil proses contrast stretching 34
Gambar 3.5. Optic disc pada retina 34
Gambar 3.6. Area optic disc pada citra biner 35
Gambar 3.7. Citra hasil erosion 36
Gambar 3.9. Citra negatif 37
Gambar 3.10. Citra negatif, citra hasil proses contrast stretching, dan citra
hasil eliminasi optic disc 38
Gambar 3.11. Citra masking 39
Gambar 3.12. Struktur menu aplikasi 42
Gambar 3.13. Rancangan tampilan awal aplikasi 43
Gambar 3.14. Rancangan tampilan utama aplikasi 44
Gambar 4.1. Tampilan awal sistem 46
Gambar 4.2. Tampilan utama sistem 47
Gambar 4.3. Tampilan saat tombol “Browse” dipilih 48
Gambar 4.4. Tampilan utama aplikasi setelah citra retina dipilih 49
Gambar 4.5. Tampilan awal aplikasi pada proses identifikasi 50
Gambar 4.6. Tampilan zoom citra green channel 50 Gambar 4.7. Tampilan zoom citra hasil contrast stretching 51 Gambar 4.8. Tampilan zoom citra hasil eliminasi optic disc 51
Gambar 4.9. Grafik hasil akurasi pengujian 53
