ISSN : 2302-450X
PROSIDING
PERTEMUAN DAN PRESENTASI KARYA ILMIAH BALI, 28 JULI 2017
PEMBICARA UTAMA SEMINAR PARALEL DENGAN TEMA
“Internet of Things (IoT) & Big Data : Teknologi, Tantangan dan Peluang”
Dr. Nyoman Putra Sastra, ST.,MT.
Nugroho Gito
PENYUNTING AHLI
Dr. Anak Agung Istri Ngurah Eka Karyawati, S.Si,M.Eng.
Dr. H. Agus Zainal Arifin,S.Kom.,M.Kom.
Dr. I Ketut Gede Suhartana,S.Kom.,M.Kom
Dr.techn. Ahmad Ashari,M.Kom.
PELAKSANA SEMINAR
PELINDUNG
Rektor Universitas Udayana, Bali
PENANGGUNG JAWAB
Dekan Fakultas MIPA Universitas Udayana
Ketua Program Studi Teknik Informatika, FMIPA Universitas Udayana
PANITIA
I Gede Oka Gartria Atitama, S.Kom., M.Kom.
Gst. Ayu Vida Mastrika Giri,S.Kom., M.Cs.
Luh Arida Ayu Rahning Putri, S.Kom.,M.Cs.
Dewa Made Bayu Atmaja Darmawan, S.Kom., M.Cs.
I Putu Gede Hendra Suputra, S.Kom., M.Kom.
I Gede Arta Wibawa,S.T., M.Cs.
I Made Widiartha, S.Si., M.Kom.
I Gusti Agung Gede Arya Kadyanan, S.Kom., M.Kom.
I Gst. Ngurah Anom Cahyadi Putra, S.T., M.Cs.
I Wayan Supriana, S.Si.,M.Cs.
Dra. Luh Gede Astuti, M.Kom
Dr. I Ketut Gede Suhartana, S.Kom.M.Kom Dr. A.A. I. N. Eka Karyawati, S.Si.,M.Eng.
I Gede Santi Astawa, S.T., M.Cs.
Made Agung Raharja, S.Si., M.Cs.
Ida Bagus Gede Dwidasmara, S.Kom.,M.Cs.
I Komang Ari Mogi, S.Kom., M.Kom.
Ida Bagus Made Mahendra, S.Kom., M.Kom.
KATA PENGHANTAR
Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa, atas terselesainya penyusunan Pro- siding SNATIA 2017 ini. Buku ini memuat naskah hasil penelitian dari berbagai bidang kajian yang telah direview oleh pakar di bidangnya dan telah dipresentasikan dalam acara Seminar SNATIA tahun 2017 pada tanggal 28 Juli 2017 di Universitas Udayana kampus Bukit Jimbaran, Badung, Bali.
Kegiatan SNATIA 2017 merupakan agenda tahunan Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Universitas Udayana. SNATIA 2017 mengambil tema “Internet of Things (IoT) & Big Da- ta : Teknologi, Tantangan dan Peluang” dengan pembicara utama seminar yang terdiri dari pakar- pakar peneliti dan pemerhati di bidang Teknologi Informasi, Internet of Things (IoT), dan Big Data.
Meskipun kegiatan seminar dan pendokumentasian naskah dalam prosiding ini telah dipersiap- kan dengan baik, namun kami menyadari masih banyak kekurangannya. Panitia memohon maaf yang sebesar-besarnya atas kekurangan yang ada. Kritik dan saran perbaikan sangat kami harapkan untuk penyempurnaan di masa mendatang, yang dapat dikirimkan melalui e-mail
snatia@cs.unud.ac.id.Kepada semua pihak yang terlibat baik langsung maupun tidak langsung dalam penyelenggaraan sem- inar dan penyusunan proceeding SNATIA 2017, panitia mengucapkan terima kasih.
Jimbaran, 28 Juli 2017
Panitia SNATIA 2017
DAFTAR ISI
Kata Pengantar
Daftar Isi
Artificial Intelligence
Penentuan Jalur Distribusi Barang Melalui Jalur Laut Menggunakan Algoritma Genetika
Ketut Adi Praja Putra, I Gede Arta Wibawa ... 1 Penentuan Range Nilai Besaran Fisis Film Hasil Photo Sinar-X Mammografi Jenis C1, C2, C3, C4 dan C5 Tumor Payudara.
Dr. A. A. NGR Gunawan, MT. , Wayan Supardi ... 9 Personal Innovativeness, Social Presence, dan Motivasi Ekstrinsik-Intrinsik dalam Penerimaan Chatbot Asri
Oktavianus Ken Manungkarjono, Paulus Insap Santosa, Wahyuni R ... 14
Bioinformatics
Implementasi Algoritma Genetika pada Rekomendasi Menu Diet Sehat
Kadek Eliskarini, I Wayan Santiyasa ... 21
Cloud Computing
Implementasi Line Chat Bot Rekomendasi Wisata Menggunakan Platform As A Service
I Made Adi Susilayasa, I Gede Oka Gartria Atitama ... 29 Otomatisasi Pembuatan Tenant, Network, Dan Vm Pada Openstack
I Putu Gede Surya Adiputra Pratama, I Gede Oka Gartria Atitama ... 35 Penerapan Haversine Formula Pada Line Chat Bot Untuk Mencari Lokasi Terdekat Pada Tempat Wisata Sidin Rahman, I Gede Oka Gartria Atitama ... 41 Penerapan Metode Load Balancing Dengan Algoritma Least Connection Pada Virtual Private Server Cloud Ida Bagus Rathu Eka Surya Wibawa, I Gede Oka Gartria Atitama ... 48
Computer Vision
Sistem Perhitungan Orang Berbasis Sensor Visual Dalam Lingkup Jaringan Sensor Nirkabel
Made Alwin Indraswara, Nyoman Putra Sastra, Dewa Made Wiharta ... 53
Penentuan Range Nilai Besaran Fisis Film Hasil Photo Sinar-X Mammografi Jenis C1,
C2, C3, C4 dan C5 Tumor Payudara .
Anak Agung Ngurah Gunawan
1, Wayan Supardi
21,2Jurusan Fisika, FMIPA, Universitas Udayana.
Kampus bukit jimbaran bali, Denpasar, 80364
1ngurah_gunawan@unud.ac.id
2 supardi_wayan@yahoo.co.id
Abstrak
Artikel ini akan menentukan range nilai parameter fisika untuk mengklasifikasi jenis C1, C2, C3, C4 dan C5.
Terdapat 9 parameter fisika yang terdapat pada film mammografi yang dapat mengklasifikasi jenis C1, C2, C3, C4 dan C5 tumor payudara antara lain :entropy, kontras, momen angguler kedua, momen defferensial invers, mean, deviasi, entropy histogram orde dua, momen anguler histogram orde dua, mean histogram orde dua . Range nilai parameter fisika untuk C1adalah entropy = 2.55414 - 3.87855
,
kontras =30.23380 – 1,307.95090 ,momen angguler kedua = 0.00019 – 0.00399, momen defferensial invers = 0.02298 – 0.13252, mean = 51.45837 – 143.60709, deviasi = 5.39356 – 31.82081, entropy histogram orde dua = 1.07534 – 1.87342, momen anguler histogram orde dua = 0.01576 – 0.10031, mean histogram orde dua = 4.30198 – 28.64403. Untuk C2 adalah entropy = 3.02152- 3.88436,
kontras =62.78068 – 4,008.96962 ,momen angguler kedua = 0.00015 – 0.00592, momen defferensial invers = 0.01729 – 0.56680, mean = 45.85171 – 198.98701, deviasi = 10.49631 – 45.73501, entropy histogram orde dua = 1.15998 – 2.03562, momen anguler histogram orde dua = 0.01107 – 0.09031, mean histogram orde dua= 5.47838 – 43.76422, Untuk C3 adalah entropy = 3.18606 - 3.87951
,
kontras =67.52028 – 7340.53108 ,momen angguler kedua = 0.00015 – 0.00099, momen defferensial invers = 0.01741 – 0.09587, mean = 67.39831 – 189.72573, deviasi = 12.92590 – 68.70972, entropy histogram orde dua = 1.24452 – 2.12346, momen anguler histogram orde dua = 0.00983 – 0.06700, mean histogram orde dua = 6.48662 – 59.63455. Untuk C4 adalah entropy = 3.29995 - 3.90408,
kontras =95.11808 – 4152.25620 ,momen angguler kedua = 0.00014 – 0.00175, momen defferensial invers = 0.01639 – 0.08273, mean = 98.65057 – 207.68488, deviasi = 14.27906 – 52.46530, entropy histogram orde dua = 1.31524 – 2.08225, momen anguler histogram orde dua = 0.01003 – 0.05777, mean histogram orde dua = 7.62068 – 45.40846. dan Unduk C5 adalah entropy = 3.16703 – 5.57370,
kontras=58.23206 – 2918.48346 ,momen angguler kedua = 0.00016 – 0.00103, momen defferensial invers = 0.01568 – 0.09506, mean = 89.17413 – 213.44364, deviasi = 11.30339 – 53.51557, entropy histogram orde dua = 1.21332 – 2.01197, momen anguler histogram orde dua = 0.01102 – 0.07068, mean histogram orde dua = 6.10058 – 40.52349. Dari Hasil riset ternyata range nilai parameter fisika antara jenis C1, C2, C3, C4 dan C5 tumor payudara ada perbedaan.
Kata kunci : C1,C2,C3, C4,C5,tumor payudara, mammografi.
9
I. PENDAHULUAN
Tumor payudara merupakan penyakit yang sangat ditakuti oleh para wanita, banyak wanita yang meninggal karena penyakit tumor payudara. Untuk mengatasi masalah ini maka diperlukan metoda baru untuk mendeteksi dini tumor payudara. Para medis biasanya menentukan varian birads terlebih dahulu sebelum dilakukan biobsy. Banyak penelitian yang sudah dilakukan oleh para ilmuan untuk mendeteksi dini tumor payudara menggunakan pengolahan citra digital dan pengenalan pola. Seperti yang dilakukan oleh (Stefano, at.al., 2010) menggunakan metoda Pattren, , (Dheeba, at.al.,2010) menggunakan metoda Neural Network dan (Bhagwati, at.al.,2010) menggunakan metoda Fraktal. Tetapi semua metoda tersebut hanya mampu menentukan keberadaan microcalsification saja belum ada yang dapat mengklasifikasi jenis C1, C2, C3, C4 dan C5 tumor payudara. Pada penelitian ini kami menentukan nilai variable fisika untuk mengklasifikasi jenis C1, C2, C3, C4 dan C5. Parameter fisika sangat efektif untuk mengklasifikasi jenis tumor payudara. Seperti yang telah kami lakukan pada penelitian sebelumnya yaitu:
menentukan jenis histopatologi kanker payudara (Gunawan,at.al., 2012). Menentukan kondisi kesehatan pada kontralateral (Gunawan, at.al., 2013), menentukan stadium kanker payudara (Gunawan, 2014), menentukan lesi ganas dan lesi jinak kanker payudara (Gunawan, at.al., 2015) dan menentukan kesehatan payudara menggunakan metoda k-nearest neighbourhood (Gunawan, at.al., 2016).
II. BAHAN DAN METODA A. Bahan
Bahan yang digunakan dalam penelitian ini adalah mammogram dari RSUP. Sanglah Denpasar dan RS. Prima Medika Denpasar yang sudah di file dan disimpan dalam data base radiologi dengan format bmp. Alat mammografi yang dipakai adalah merek Kodak tipe 6800 laser imager dengan potensial 30 KV dan kuat arus setiap detik 28 mAs.
B. Metoda
Tujuan penelitian ini dapat dicapai dengan melakukan penelitian observasional dengan rancangan cross-sectional dalam waktu 10 bulan. Sedangkan analisa data yang digunakan adalah uji statistic multinomial logistic. Metoda yang digunakan dalam penelitian ini adalah penelitian probabilitas dengan melakukan perhitungan parameter fisika yang ada dalam gambar mammografi seperti : (A.P.
Dhawan,at.al.,1996).
ܧ݊ݐݎݕሺܧሻ ൌ
െσ௬௬ୀ௬భσ௬௬ೝୀ௬భൣܪ൫ݕǡ ݕǡ ݀൯൧ሾܪ൫ݕǡ ݕǡ ݀൯ሿ
……….(2.1).
ܥ݊ݐݎܽݏݐሺܥሻ ൌ σ௬௬ୀ௬భσ௬௬ೝୀ௬భሺݕെ ݕሻଶܪሺݕ௧ǡ ݕǡ ݀ሻ……...(2.2)
ܣ݊݃ݑ݈݁ݎܵ݁ܿ݊݀ܯ݉݁݊ݐሺሻ ൌ σ௬ σ௬௬ೝୀ௬భሾܪ൫ݕǡ ݕǡ ݀൯ሿଶ
௬ୀ௬భ …..………(2.3)
ܯ݉݁݊ܦ݂݂݅݁ݎ݁݊ݏ݈݅ܽܫ݊ݒ݁ݎݏሺܯܦሻ ൌ
σ σ௬௬ೝୀ௬భଵାሺ௬ு൫௬ǡ௬ି௬ೝǡௗ൯ೝሻమ൨
௬
௬ୀ௬భ ……….(2.4)
Untuk yr≠ yq
ܥݎݎ݈݁ܽݐ݅݊ሺܥݎݎሻ ൌ
σసభσೝసభ௬௬ೝு൫௬ǡ௬ೝǡௗ൯ିఓு൫௬ǡௗ൯ఓுሺ௬ೝǡௗሻ ఙு൫௬ǡௗ൯ఙுሺ௬ೝǡௗሻ ………
………..(2.5) dengan
ܪ൫ݕǡ ݀൯ ൌ
σ௬௬ೝୀ௬భܪሺݕǡ ݕǡ ݀ሻ……….(2.6) ܪሺݕǡ ݀ሻ ൌ
σ௬௬ୀ௬భܪሺݕǡ ݕǡ ݀ሻ……….(2.7) ܯ݁ܽ݊ሺܯܰሻ ൌ
σ௬௬ୀ௬భݕܪሺݕǡ ݀ሻ………(2.8) ܦ݁ݒ݅ܽݐ݅݊ሺܦሻ ൌ
ටσ௬௬ୀ௬భሾݕെ σ௬௬ୀ௬భݕܪ൫ݕǡ ݀൯ሿଶܪሺݕǡ ݀ሻ……
……….……..(2.9) ܪௗሺ݅ǡ ݀ሻ ൌ
σ σ௬௬ೝୀ௬భܪሺݕǡ ݕǡ ݀ሻ
௬
௬ୀห௬ି௬ೝหୀ ………..(2.10) ܧ݊ݐݎݕ݂ܪௗሺܧܪሻ ൌ
െ σୀ భܪௗሺ݅ǡ ݀ሻ ܪௗሺ݅ǡ ݀ሻ…..…….…..(2.11) ܯ݉݁݊ݐܣ݊݃ݑ݈݁ݎ݂ܪௗሺܯܣܪሻ ൌ
σୀ భሾܪௗሺ݅ǡ ݀ሻሿଶ……….(2.12)
ISSN : 2302-450X
10
ܯ݂݁ܽ݊ܪௗሺܯܪܦሻ ൌ
σୀ భ݅ܪௗሺ݅ǡ ݀ሻ………(2.13)
Dengan H(yq,yr,d), d, y berturut-turut adalah probabilitas dari sepasang gray-level, jarak antar piksel dan nilai gray level.
III. HASIL DAN PEMBAHASAN A. Hasil
Gambar 3(a), 3(b), 3(c), 3(d) dan 3(e) berturut turut adalah C1, C2, C3, C4 dan C5.
(a) (b) (c) (d) (e)
Gambar 3.1 (a) C1, (b) C2, (c) C3, (d) C4 dan (e) C5.
Table 1. Range nilai parameter fisika C1, C 2, C 3, C 4 dan C 5.
No Besaran Fisis C1 C2 C3 C4 C5
1 Entropy 2.55414 -
3.87855
3.02152 - 3.88436
3.18606 - 3.87951
3.29995 - 3.90408
3.16703 - 5.57370
2 Contras 30.23380 -
1,307.95090
62.78068 - 4,008.96962
67.52028 - 7340.53108
95.11808 - 4152.25620
58.23206 - 2918.48346 3 Moment Anguler 0,00019 -
0.00399
0.00015 - 0.00592
0.00015 - 0.00099
0.00014 - 0.00175
0.00016 - 0.00103 4 Moment Differensial
Invers.
0.02298 - 0.13252
0.01729 - 0.56680
0.01741 - 0.09587
0.01639 - 0.08273
0.01568 - 0.09506
5 Mean. 51.45837
- 143.60709
45.85171 - 198.98701
67.39831 - 189.72573
98.65057 - 207.68488
89.17413 - 213.44364
6 Deviation. 5.39356
- 31.82081
10.49631 - 45.73501
12.92590 - 68.70972
14.27906 - 52.46530
11.30339 - 53.51557 7 Entropy Histogram
Orde Dua Differensial.
1.07534 - 1.87342
1.15998 - 2.03562
1.24452 - 2.12346
1.31524 - 2.08225
1.21332 - 2.01197 8 Moment Anguler
Kedua Histogram Orde Dua Differensial.
0.01576 - 0.10031
0.01107 - 0.09031
0.00983 - 0.06700
0.01003 - 0.05777
0.01102 - 0.07068 9 Mean Histogram Orde
Dua Differensial.
4.30198 - 28.64403
5.47838 - 43.76422
6.48662 - 59.63455
7.62068 - 45.40846
6.10058 - 40.52349
Dr. A. A. NGR Gunawan, MT. Penentuan Range Nilai Besaran Fisis Film Hasil Photo Sinar-X Mammografi Jenis C1, C2, C3, C4 dan C5 Tumor Payudara Artificial Intelligence
11
B. Pembahasan.
Range nilai parameter fisika C1, C2, C3, C4 dan C5 berbeda, sehingga dapat digunakan untuk membedakan jenis C1, C2, C3, C4 dan C5 tumor payudara. Parameter fisis yang berpengaruh untuk mengklasifikasi C1, C2, C3, C4 dan C5 adalah Entropy, Moment Anguler, Moment Differensial Invers, Mean, Deviation, Entropy Histogram Orde Dua Differensial, Moment Anguler Kedua Histogram Orde Dua Differensial, Mean Histogram Orde Dua Differensial. Jarak antar piksel yang berpengaruh untuk
mengklasifikasi C1, C2, C3, C4 dan C5 pada parameter entropy adalah jarak 5, 6, 7, 8, 9, 10. Sedangkan untuk parameter Moment Anguler, Moment Differensial Invers, Mean, Deviation, Entropy Histogram Orde Dua Differensial, Moment Anguler Kedua Histogram Orde Dua Differensial, Mean Histogram Orde Dua Differensial adalah jarak 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Dari uji statistic multinomial logistic hasil prediksi untuk C1 = 96.1 %, C2
= 88.2 %, C3 = 76.2 %, C4 = 100 %, C5 = 95,2 %. C3 lebih susah di prediksi karena nilai parameter fisisnya berada di antara C2 dan C4.
IV. KESIMPULAN
Parameter fisika hasil foto sinar-X mammografi mampu mengklasifikasi jenis C1, C2, C3, C4 dan C5 tumor payudara dengan accurrracy 91.1 %.
UCAPAN TERIMA KASIH
Terimakasih kami ucapkan kepada DRPM RISTEKDIKTI yang sudah memberi dana hibah penelitian Fundamental tahun anggaran 2016. Dan kami juga mengucapkan banyak terimaksih kepada Bapak Rektor Universitas Udayana dan LPPM UNUD, yang telah memberi kesempatan kepada kami dalam penelitian fundamental tahun anggaran 2016.
Tidak lupa juga kami mengucapkan banyak terimakasih kepada Dekan FMIPA UNUD dan Ketua Jurusan Fisika FMIPA UNUD yang telah memberikan ijin penelitian Fundamental tahun anggaran 2016. Terimakasih kami ucapkan kepada direktur RSUP Sanglah Denpasar, dan RS.
Prima Medika Denpasar yang telah memberikan ijin pengambilan data penelitian tahun 2016.
REFERENSI
[1] Stefano C. D., Fontanella F., Marrocco C., Molinara M., Ricamato M.T., Scotto di Freca A, Simeone P., Tortorella F., Pattern Recognition and Image Analysis at the University of Cassino,(2010),1-12.
[2]Dheeba J and Wiselin JG, Detection of Microcalcification Clusters in Mammograms using Neural Network, International Journal of Advanced Science and Technology, (19),(2010),13-22.
[3] Bhagwati C. P. and Sinha G R, Early Detection of Breast Cancer using Self Similar Fractal Method, International Journal of Computer Applications,(10), 4, (2010), 39-43.
[4] A.A.N. Gunawan, Suhariningsih, K.S.P. Triyono, and B. Widodo, Determination of physical parameter model for the photo film mammographic X-ray results on the breast cancer histology classification, International Journal Of Contemporary Mathematical Sciences 45 (7) (2012) 2235-2244.
[5] A.A.N. Gunawan, Suhariningsih, K.S.P. Triyono, and Yasin, Conversion of Images into Numerical Models to Determine the Condition of Breast Health on Contralateral, Applied Mathematical Sciences, 7(104) (2013) 5185-5191.
[6] A.A.N. Gunawan, A Novel Model Determination of Breast Cancer Stage Using Physical Parameter, Far East Journal of Matematical Sciences, 87 (1) (2014) 23-35.
[7] A. A. N. Gunawan, I Nyoman Widana, Determination model of carcinoma and benign types using physical quantities of the ca mammae mammography, Wulfenia journal, (22), 1, (2015), 181-188.
[8] A. A. N. Gunawan, Ratini, Sutapa, Determination of breast health using the methods of k-nearest neighbourhood with entropy and angular moment combination, Ciência e Técnica Vitivinícola Journal, (2016).
[9] A.P.Dhawan, Y. Chitre, C.K. Bonasso and M.
Moskowits, Analysis of Mammographic Microcalcifications Using Gray Level Image Structure Feature, IEEE, Trans. Medical Imaging,(15), 3,(1996), 246-257.
ISSN : 2302-450X
12