PERBANDINGAN METODE STATIC THRESHOLDING DAN MULTI OTSU THRESHOLDING PADA SEGMENTASI CITRA AML M0 DAN AML M1

(1)

i

PERBANDINGAN METODE STATIC THRESHOLDING DAN MULTI OTSU THRESHOLDING PADA SEGMENTASI CITRA

AML M0 DAN AML M1

SKRIPSI

Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Program Studi Informatika

Disusun oleh:

Ersi Indah Asmari

NIM. M0513018

PROGRAM STUDI INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET

SURAKARTA 2018

(2)

ii

1 HALAMAN PERSETUJUAN

(3)

iii

2 HALAMAN PENGESAHAN

(4)

iv

3 MOTTO

“Jangan kamu kehilangan harapan, dan jangan pula kamu bersedih hati.”

(Q.S. Ali Imran: 139)

“The best preparation for tomorrow is doing your best today”

(H. Jackson Brown, Jr.)

“If you can’t avoid it, Enjoy it!”

(5)

v

4 PERSEMBAHAN

Kupersembahkan karya ini untuk:

Almarhum ayah tercinta, Bapak Kasiyo Ibu terhebat dan perkasa, Ibu Tarmini

Mas Danny Adityo Wheny, Dessy, Afifah, Aza, Adit, Dian Serta teman-teman seperjuangan Informatika 2013

(6)

vi

5 KATA PENGANTAR

Puji dan syukur penulis panjatkan ke hadirat Allah subhanahu wa ta’ala yang telah melimpahkan kasih dan sayang-Nya kepada kita, sehingga penulis bisa menyelesaikan skripsi yang berjudul “Perbandingan Metode Static Thresholding Dan Multi Otsu Thresholding pada Segmentasi Citra AML M0 dan AML M1”.

Tujuan dari penyusunan skripsi ini guna memenuhi salah satu syarat untuk bisa menempuh ujian sarjana komputer pada Fakultas MatematikA dan Ilmu Pengetahuan Alam (FMIPA) Program Studi Informatika di Universitas Sebelas Maret Surakarta.

Didalam pengerjaan skripsi ini telah melibatkan banyak pihak yang sangat membantu dalam banyak hal, disini penulis sampaikan rasa terima kasih sedalam-dalamnya kepada:

1. Orang tua tercinta, Alm Bapak Kasiyo dan Ibu Tarmini yang telah membesarkan penulis dan memberi motivasi.

2. Ibu Esti Suryani selaku pembimbing akademik dan pembimbing I atas nasehat, arahan, dan bimbingannya selama masa kuliah.

3. Bapak Bambang Harjito selaku dosen pembimbing II atas kebaikan dan bimbingan selama penyelesaiaan tugas akhir ini.

4. Ibu pakar leukemia Dr. M.I. Diah yang telah bersedia membagikan ilmu dan waktunya demi kelancaran penulisan tugas akhir ini.

5. Sahabat-sahabat penulis: Wheny, Dessy, Afifah, Azaria, Mutiara, Desti, Laras, Mega, Adit, Dian yang telah memberi semangat kepada penulis.

Penulis berharap skripsi ini dapat bermanfaat untuk berbagai pihak.

Surakarta, 30 Januari 2018 Penulis

Ersi Indah Asmari

(7)

vii

PERBANDINGAN METODE STATIC THRESHOLDING DAN MULTI OTSU THRESHOLDING PADA SEGMENTASI CITRA

AML M0 DAN AML M1

ERSI INDAH ASMARI

Program Studi Informatika, Fakultas MIPA, Universitas Sebelas Maret

6 ABSTRAK

Proses diagnosa Acute Myeloid Leukemia (AML) dapat dilakukan dengan memanfaatkan teknologi pengolahan citra yang terdiri dari pre-processing, segmentasi, dan ekstraksi ciri. Segmentasi citra digunakan untuk memisahkan objek dari background-nya. Salah satu contoh metode segmentasi yaitu Static Thresholding dan Multi Otsu thresholding. Penelitian ini bertujuan untuk membandingkan metode segmentasi static thresholding dan multi otsu thresholding dalam proses diagnosis awal AML M0 dan M1. Metode pengolahan citra yang digunakan meliputi median filtering, konversi warna YCbCr, static thresholding, multi otsu thresholding, operasi morfologi, sedangkan identifikasi diterapkan menggunakan metode Naïve Bayes Classifier dengan data uji berupa diameter WBC, rasio nukleus, dan putaran nukleus.

Proses pengujian menggunakan 29 Citra AML M0 dan 30 citra AML M1. Hasil pengujian menunjukkan multi otsu thresholding menghasilkan akurasi 83.81%

sedangkan static thresholding menghasilkan akurasi 75.35%. Berdasarkan akurasinya, segmentasi multi otsu thresholding memberikan hasil klasifikasi yang lebih baik dibandingkan metode static thresholding.

Kata Kunci: Acute Myeloid Leukemia (AML), segmentasi citra, multi otsu thresholding, static thresholding

(8)

viii

A COMPARISON OF SEGMENTATION METHODS BETWEEN STATIC THRESHOLDING AND MULTI OTSU THRESHOLDING

IN THE PROCESS OF AML M0 AND AML M1

ERSI INDAH ASMARI

Program Studi Informatika, Fakultas MIPA, Universitas Sebelas Maret

7 ABSTRACT

The process of diagnosing Acute Myeloid Leukemia (AML) can be done by utilizing image processing techniques consisting of pre-processing, segmentation, and feature extraction. Image segmentation is used to separate objects from the background. One example of the segmentation method is static thresholding and multi otsu threshholding. This study aims to compare segmentation methods between static thresholding and multi otsu thresholding in the process of AML M0 and M1 as the initial diagnosis.Image processing methods that are used in this research are YCbCr color space, median filtering, static thresholding, multi otsu thresholding, morphological operation. The process of identificating cell uses Naïve Bayes Classifier with test data in the form of WBC diameter, ratio of nukleus, and roundness of nukleus. Data to test process are 29 AML M1 images and 30 AML M2 images. It was shown that segmentation with multi otsu thresholding method give a better classification result with an accuracy of 83.81% whereas on static thresholding method only 75.34%.

Keywords: Acute Myeloid Leukemia (AML), image segmentation, multi otsu thresholding, static thresholding

8

(9)

ix

9 DAFTAR ISI

HALAMAN PERSETUJUAN ... ii

HALAMAN PENGESAHAN ... iii

MOTTO ... iv

PERSEMBAHAN ... v

KATA PENGANTAR ... vi

ABSTRAK ... vii

ABSTRACT ... viii

DAFTAR ISI ... ix

DAFTAR TABEL ... xii

DAFTAR GAMBAR ... xiii

DAFTAR LAMPIRAN ... xvi

BAB I PENDAHULUAN ... 1

Latar Belakang ... 1

Rumusan Masalah ... 3

Batasan Masalah ... 3

Tujuan Penelitian ... 3

Manfaat Penelitian ... 3

Sistematika Penulisan ... 3

BAB II LANDASAN TEORI ... 5

Landasan Teori ... 5

Leukemia ... 5

Acute Myeloid Leukemia (AML) ... 6

Citra Digital ... 8

Pengolahan Citra Digital ... 9

Pre-processing ... 9

Model Warna ... 10

(10)

x

YcbCr ... 11

Median Filter ... 11

Grayscale ... 12

Segmentasi Citra ... 12

Thresholding ... 13

Multi Otsu Thresholding ... 13

Operasi Morfologi ... 15

Klasifikasi ... 16

Naïve bayes ... 17

Confusion Matrix ... 18

Penelitian Terkait ... 19

Rancangan Penelitian ... 20

BAB III METODOLOGI PENELITIAN... 22

Pengumpulan Data dan Akuisisi Citra ... 22

Penerapan Static Thresholding ... 24

Segmentasi Static Thresholding ... 24

Ekstraksi Ciri ... 26

Klasifikasi ... 27

Penerapan Multi Otsu Thresholding ... 27

Segmentasi Multi Otsu Thresholding ... 27

Ekstraksi Ciri Multi Otsu Thresholding ... 28

Klasifikasi Multi Otsu Thresholding ... 28

Membandingkan Static Thresholding dan Multi Otsu Thresholding ... 28

BAB IV PEMBAHASAN ... 31

Pengumpulan Data dan Akuisis Citra ... 31

Penerapan Static Thresholding ... 32

(11)

xi

Segmentasi Static Thresholding ... 33

Klasifikasi Static Thresholding ... 41

Penerapan Multi Otsu Thresholding ... 45

Segmentasi Multi Otsu Thresholding ... 45

Klasifikasi Multi Otsu Thresholding ... 53

Perbandingan Static Thresholding dan Multi Otsu Thresholding ... 56

Analisis Sel Myeloblast ... 58

Analisi Sel Promyelocyte ... 58

Analisis Sel Myelocyte ... 59

Analisis Keseluruhan Citra ... 59

BAB V PENUTUP ... 63

Kesimpulan ... 63

Saran ... 63

DAFTAR PUSTAKA ... 65

LAMPIRAN A ... 68

Analisa AML M0 ... 68

A.2 Analisa AML M1 ... 69

LAMPIRAN B ... 70

(12)

xii

10 DAFTAR TABEL

Tabel 2.1 Confusion Matriks Dua Kelas ... 18

Tabel 2.2 Keterkaitan Penelitian Penulis dengan Penelitian Sebelumnya ... 21

Tabel 3.1 Tabel Confusion Matrix AML M0 dan AML M1 ... 29

Tabel 4.1 Data Maksimal dan Minimal dari Identifikasi Dokter ... 41

Tabel 4.2 Hasil Ekstraksi Ciri Citra AML M1_3 Segmentasi Static Thresholding .... 44

Tabel 4.3 Pencarian Threshold dari Gambar 4.17... 48

Tabel 4.4 Hasil Ekstraksi Ciri Metode Multi Otsu Thresholding Citra AML M1_3 .. 55

Tabel 4.5 Confusion Matrix Static Thresholding AML M1_3... 56

Tabel 4.6 Confusion Matrix Multi Otsu Thresholding AML M1_3 ... 57

Tabel 4.7 Perbandingan Akurasi, Specificity, Sensivity Pada Identifikasi Sel Myeloblast. ... 58

Tabel 4.8 Perbandingan Akurasi, Specificity, Sensivity Pada Identifikasi Sel Promyelocyte ... 59

Tabel 4.9 Perbandingan Akurasi, Specificity, Sensivity Pada Identifikasi Sel Myelocyte ... 59

Tabel 4.10 Perbandingan Static Thresholding dan Multi Otsu Thresholding pada Keseluruhan Citra... 60

Tabel 4.11 Perbandingan Static Thresholding dan Multi Otsu Thresholding pada Segmentasi AML M0_12 ... 60

Tabel 4.12 Perbandingan Static Thresholding dan Multi Otsu Thresholding pada Citra AML M0_5 ... 61

Tabel A.1 Perbandingan Static Thresholding dan Multi Otsu Thresholding pada Citra AML M0. ... 68

Tabel A.2 Perbandingan Static Thresholding dan Multi Otsu Thresholding pada Citra AML M1. ... 69

(13)

xiii

11

DAFTAR GAMBAR

Gambar 2.1 Ilustrasi Darah yang Terindikasi (a) Leukemia Akut (b) Leukemia

Kronik (Bain et al., 2008) ... 5

Gambar 2.2 (a) Myeloblast (b) Promyelocyte (c) Myelocyte (Bain et al., 2008) ... 7

Gambar 2.3 Citra AML M0 (Antica, 2011) ... 8

Gambar 2.4 Citra AML M1 (Bain et al., 2008) ... 8

Gambar 2.5 Ilustrasi Citra Digital (Zhou et al., 2010) ... 9

Gambar 2.6 Ilustrasi Citra RGB antara Kolom Matriksnya dan Kompenen Red, Green, Blue (Zhou et al., 2010)... 10

Gambar 2.7 Median Filter 3x3 (a) Citra X-Ray Sebelum di Smoothing (b) Citra X- Ray Sesudah di Smoothing (Zhou et al., 2010) ... 11

Gambar 2.8 Ilustrasi Citra Grayscale (Jayaraman, 2011) ... 12

Gambar 2.9 (a) Citra Input (b) Citra Biner dengan Nilai Threshold T = 90 (c) Citra Biner dengan Nilai Threshold T = 124 (Zhou et al., 2010) ... 13

Gambar 2.10 (a) Citra A (b) Struktur Elemen (c) Hasil Dilasi A oleh B ... 15

Gambar 2.11 (a) Citra A (b) Struktur Elemen (c) Hasil Dilasi A oleh B ... 16

Gambar 2.12 Ilustrasi Closing (a) Citra Awal (b) Struktur Elemen (c) Hasil Closing oleh Struktur Elemen (Gonzalez and Woods, 2010) ... 16

Gambar 3.1 Tahapan Penerapan Static Thresholding ... 22

Gambar 3.2 Tahapan Penerapan Multi Otsu Thresholding ... 22

Gambar 3.3 Tahap Membandingkan Static Thresholding dan Multi Otsu Thresholding ... 22

Gambar 3.4 Identifikasi Sel pada AML M1 (a) Myeloblast (b) Promyelocyte ... 23

Gambar 3.5 Nukleoli pada Myeloblast... 24

Gambar 3.6 Flowchart Pre-processing Static Thresholding ... 24

Gambar 3.7 Flowchart Segmentasi Static Thresholding ... 24

Gambar 3.8 Flowchart Ekstraksi Ciri Static Thresholding dan Multi Otsu Thresholding ... 25

(14)

xiv

Gambar 3.9 Flowchart Pre-processing Multi Otsu Thresholding ... 27

Gambar 3.10 Flowchart Segmentasi Multi Otsu Thresholding ... 28

Gambar 4.1 Citra Terindikasi AML M0 ... 31

Gambar 4.2 Citra Terindikasi AML M1 ... 32

Gambar 4.3 Proses Median Filter ... 32

Gambar 4.4 Hasil Proses Pre-Processing (a) Median Filter (b) Konversi Warna YCBCr ... 33

Gambar 4.5 Hasil Segmentasi (a) Hasil Static Thresholding Nukleus (a) Sel sebelum dilakukan proses Closing (c) Sel setelah dilakukan Proses Closing ... 35

Gambar 4.6 Hasil Closing pada Static Thresholding Nukleus ... 35

Gambar 4.7 Hasil Segmenasi Static Thresholding pada Citra AML_M11 ... 36

Gambar 4.8 (a) Hasil Segmentasi Static Thresholding WBC (b) Closing pada WBC 37 Gambar 4.9 Hasil Pelabelan Static Thresholding Sel (a) Nukleus (b) WBC ... 38

Gambar 4.10 Ilustrasi Selesi Nukleus pada Segmentasi Stastic Thresholding (a) Nukleus sebelum Diseleksi (b) Nukleus setelah Diseleksi ... 38

Gambar 4.11 Luas dan Keliling Sel Nukleus Nomor 14 ... 39

Gambar 4.12 (a) Overlapping WBC Dari Sel Nukleus No.14 (b) Luasan Baru WBC setelah dihitung ulang ... 39

Gambar 4.13 Hasil Ekstraksi Ciri Citra AML M1_3 Segmentasi Static Thresholding ... 41

Gambar 4.14 Sel Nomor 14 pada Citra AML M1_3 ... 42

Gambar 4.15 Citra Hasil Grayscaling ... 45

Gambar 4.16 Algoritma Multi Otsu Thresholding ... 46

Gambar 4.17 Citra Grayscale dengan Intensitas Warna 0 - 5 beserta Histogramnya 46 Gambar 4.18 Ilustrasi Multi Otsu Thresholding ... 49

Gambar 4.19 (a) Hasil Segmentasi Multi Otsu Thresholding Nukleus (b) Operasi Closing ... 49

Gambar 4.20 (a) Hasil Segmentasi Multi Otsu Thresholding WBC (b) Operasi Closing ... 50

(15)

xv

Gambar 4.21 Hasil Pelabelan Sel pada Multi Otsu Thresholding (a) Nukleus (b) WBC ... 50 Gambar 4.22 Ilustrasi Seleksi Nukleus pada Segmentasi Multi Otsu Threshold (a) Sebelum Seleksi (b) Sesudah Seleksi ... 51 Gambar 4.23 Ilustrasi Pencarian Luas WBC (a) Citra Nukleus (b) Pencocokan Posisi Nukleus Dan WBC (c) Luasan WBC Setelah Dihilangkan Overlapping-nya ... 51 Gambar 4.24 Hasil Ekstraksi Ciri AML M1_3 Segmentasi Multi Otsu Threshold .... 52 Gambar B.1 Bagas Klasifikasi Sel dengan Naïve Bayes ... 70

(16)

xvi

12 DAFTAR LAMPIRAN

LAMPIRAN A ………...68

LAMPIRAN A.1: Analisa AML M0….………...68

LAMPIRAN A.2: Analisa AML M2….………...69

LAMPIRAN B……….70