SISTEM DETEKSI PENYAKIT LEUKEMIA PADA CITRA SEL DARAH DENGAN METODE SCALE INVARIANT FEATURE TRANSFORM

(1)

i

SISTEM DETEKSI PENYAKIT LEUKEMIA PADA CITRA

SEL DARAH DENGAN METODE SCALE INVARIANT

FEATURE TRANSFORM

Skripsi

Oleh:

INDRA DARMAWAN 22104825

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS KRISTEN DUTA WACANA

YOGYAKARTA 2014

(2)

ii

SISTEM DETEKSI PENYAKIT LEUKEMIA PADA CITRA

SEL DARAH DENGAN METODE SCALE INVARIANT

FEATURE TRANSFORM

Skripsi

Diajukan kepada Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Duta Wacana

Sebagai Salah Satu Syarat dalam Memperoleh Gelar Sarjana Komputer

Disusun oleh:

INDRA DARMAWAN 22104825

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS KRISTEN DUTA WACANA

YOGYAKARTA 2014

(3)

(4)

(5)

(6)

vi

UCAPAN TERIMA KASIH

Puji dan syukur kehadirat Tuhan Yang Maha Esa, yang telah melimpahkan rahmat dan karunia kepada penulis dapat menyelesaikan skripsi dengan judul “Sistem Deteksi Penyakit Leukemia pada Citra Sel Darah dengan Metode Scale Invariant Feature Transform” dengan baik dan tepat waktu.

Penulisan dan penyusunan skripsi ini disusun dalam rangka melengkapi syarat untuk memperoleh gelar Sarjana Komputer. Selain itu bertujuan melatih mahasiswa untuk menghasilkan suatu karya yang dapat dipertanggungjawabkan secara ilmiah, dan dapat bermanfaat bagi penggunanya.

Pada kesempatan ini, penulis mengucapkan terima kasih kepada semua pihak yang telah membantu dalam menyusun skripsi, antara lain :

1. Bapak Erick Purwanto, S.Kom, M.Com. selaku dosen pembimbing I yang telah memberikan bimbingannya serta memberi masukkan yang sangat membantu dari awal hingga akhir selesainya skripsi ini.

2. Bapak Yuan Lukito, S.Kom., M.Cs selaku dosen pembimbing II yang memberikan bimbingannya serta memberi masukkan yang sangat membantu dari awal hingga akhir selesainya skripsi ini.

3. Orang tua penulis tercinta yang selalu memberikan semangat, perhatian, dan motivasi serta dukungan sehingga skripsi ini dapat diselesaikan dengan baik.

4. Kepada kedua kakak penulis yang selalu memberikan dukungan dan motivasi sehingga skripsi ini dapat diselesaikan tepat waktu.

5. Kepada Amelia Harsono yang telah memberikan dukungan dan motivasi sehingga skripsi ini dapat selesai tepat waktu.

6. Kepada seluruh dosen dan staf administrasi Fakultas Teknologi Informasi yang telah membantu baik secara langsung maupun tidak langsung dalam kelancaran penulisan skripsi ini.

7. Kepada semua pihak yang tidak dapat disebutkan satu-persatu yang telah memberikan dukungan, sehingga skripsi ini dapat terselesaikan dengan baik.

(7)

vii

Akhir kata, dengan kerendahan hati, penulis menyadari bahwa skripsi ini masih jauh dari sempurna, oleh karena itu penulis bersedia menerima kritik, saran, semoga skripsi ini dapat bermanfaat bagi semua pihak.

Yogyakarta, 27 Mei 2014

Indra Darmawan

(8)

viii

KATA PENGANTAR

Puji syukur penulis ucapkan kepada Tuhan Yesus atas berkat dan penyertaannya sehingga penulis dapat menyelesaikan Skripsi yang berjudul Sistem Deteksi Penyakit

Leukemia pada Citra Sel Darah dengan Metode Scale Invariant Feature Transform.

Metode Scale Invariant Feature Transform ini telah banyak digunakan untuk mendeteksi objek yang mirip pada suatu citra. Metode SIFT ini telah banyak diterapkan pada berbagai aplikasi, namun pada skripsi kali ini, penulis membahas penggunaan metode SIFT untuk mendeteksi adanya sel leukemia pada citra sel darah berdasarkan basis data sel leukemia.

Melalui penulisan skripsi ini, penulis berharap agar metode SIFT dalam dalam pengembangan sistem deteksi penyakit leukemia pada citra sel darah dapat dikembangkan. Selain itu penulis juga menggunakan rumus Euclidean Distance sebagai algoritma pencocokan fitur lokal pada citra. Namun, tidak menutup kemungkinan juga akan ditemukannya metode baru dalam pendeteksian leukemia ini.

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, maka saran dan kritik yang konstruktif dari semua pihak sangat diharapkan demi penyempurnaan selanjutnya.

Yogyakarta, 27 Mei 2014

Indra Darmawan

(9)

ix

INTISARI

SISTEM DETEKSI PENYAKIT LEUKEMIA PADA CITRA SEL DARAH DENGAN METODE SCALE INVARIANT FEATURE TRANSFORM

Pembuatan sistem deteksi penyakit leukemia pada citra sel darah ini dibuat untuk mempermudah peneliti laboratorium untuk menganalisis dan mendeteksi adanya sel leukemia pada citra sel darah yang diambil dari pasien. Dengan adanya sistem ini, diharapkan dapat memberikan kemudahan bagi peneliti laboratorium untuk mendeteksi sel leukemia dengan cepat dan mudah.

Dalam pembuatan sistem ini, metode SIFT digunakan untuk mengekstrak fitur – fitur lokal pada sebuah citra sel darah yang mendeskripsikan objek, dalam hal ini sel leukemia, secara khusus. Fitur lokal ini akan diubah menjadi deskriptor dan disimpan pada database. Deksriptor ini dapat digunakan untuk dicocokkan dengan deskriptor citra sel darah lain untuk dideteksi apakah ada sel leukemia yang mirip. Teknik ini membutuhkan preferensi nilai-nilai threshold yang tepat agar dapat mendeteksi dengan akurat.

Hasil dari penelitian ini, pendeteksian sel leukemia pada citra sel darah dengan metode tersebut dapat berjalan dengan baik. Dapat dibuktikan bahwa jika terdapat objek sel leukemia yang sangat mirip, dapat dideteksi dengan baik pada citra sel darah masukan.

(10)

x

DAFTAR ISI

HALAMAN JUDUL ...

PERNYATAAN KEASLIAN SKRIPSI... ..iii

HALAMAN PERSETUJUAN... iv

HALAMAN PENGESAHAN ... v

UCAPAN TERIMAKASIH ... vi

KATA PENGANTAR ... viii

INTISARI ... ix

DAFTAR ISI ... x

DAFTAR TABEL ... xii

DAFTAR GAMBAR ... xiii

BAB 1 Pendahuluan ... 1

1.1. Latar Belakang Masalah ... 1

1.2. Rumusan Masalah ... 2

1.3. Batasan Masalah ... 2

1.4. Tujuan Penelitian ... 3

1.5. Metode Penelitian ... 3

1.6. Sistematika Penulisan ... 4

BAB 2 Landasan Teori ... 5

2.1. Tinjauan Pustaka ... 5

2.2. Landasan Teori ... 6

2.2.1. Definisi Leukemia ... 6

2.2.2. Algoritma SIFT ... 9

2.2.3. Implementasi Algoritma SIFT ... 10

2.2.4. Feature Matching ... 15

BAB 3 Analisis dan Perancangan Sistem ... 17

3.1. Perangkat Penelitian ... 17

3.1.1. Perangkat Keras ... 17

3.1.2. Perangkat Lunak ... 17

3.2. Basis Data Citra ... 17

3.3. Rancangan Sistem ... 19

3.3.1. Diagram Alir (flowchart) ... 19

(11)

xi

3.4. Perancangan Antarmuka Sistem ... 22

3.4.1. Rancangan Form Halaman Utama ... 22

3.4.2. Rancangan Form Halaman Menu Citra Training... 23

3.4.3. Rancangan Form Halaman Deteksi Leukemia ... 24

3.5. Perancangan Pengujian ... 25

Bab 4 Implementasi dan Analisis Sistem... 28

4.1. Implementasi Sistem ... 28

4.1.1. Antarmuka Program ... 28

4.1.2. Implementasi Input dan Output ... 31

4.2. Analisis Sistem ... 30

4.2.1. Implementasi Algoritma SIFT pada Sistem ... 40

4.2.2. Analisis Pengaruh Nilai Threshold Contrast, Edge, dan Sigma Awal terhadap Jumlah Keypoint yang dihasilkan oleh Metode SIFT .... 43

4.2.3. Analisis Pengaruh Nilai Threshold Matching dalam Hasil Pengujian Deteksi Leukemia pada Citra Sel Darah ... 46

4.2.4. Analisis Akurasi Pencocokan Keypoint dengan Metode SIFT dalam Deteksi Leukemia ... 72

4.3. Analisis Penggunaan Metode SIFT pada Sistem Deteksi Leukemia ... 74

BAB 5 Kesimpulan dan Saran ... 76

5.1. Kesimpulan ... 76

5.2. Saran ... 78

DAFTAR PUSTAKA ... 79 LAMPIRAN ... 80

©UKDW

(12)

xii

DAFTAR TABEL

Tabel 4.1 Pengujian Parameter SIFT pada citra leukemia0_set.jpg ... 43

Tabel 4.2 Pengujian Parameter SIFT pada citra leukemia2_set.jpg ... 44

Tabel 4.3 Hasil Pengujian Sistem dengan Threshold Matching 0.5 ... 47

Tabel 4.9 Tabel Hasil Pengujian Nilai Threshold Matching Secara Keseluruhan 58 Tabel 4.10 Hasil Pengujian Deteksi Leukemia dengan Threshold Matching 0.5 .. 60

Tabel 4.11 Hasil Pengujian Deteksi Leukemia dengan Threshold Matching 0.6 .. 62

Tabel 4.14 Hasil Pengujian Citra Normal dengan Threshold Matching 0.5 ... 67

Tabel 4.18 Tabel Rata-rata Nilai Recall dan Precision (Threshold Matching 0.5 – 0.8) ... 72

(13)

xiii

DAFTAR GAMBAR

Gambar 2.1 Perbedaan sel darah normal dan sel darah leukemia ... 7

Gambar 2.2 Sel darah normal ... 8

Gambar 2.3 Sel darah leukemia ... 8

Gambar 2.4 Ilustrasi Difference of Gaussian ... 11

Gambar 2.5 Contoh perhitungan nilai σ pada setiap octave dalam skala ... 11

Gambar 2.6 Pencarian extrema pada citra hasil DoG ... 12

Gambar 2.7 Contoh diagram hasil perhitungan filter LoG dan DoG ... 12

Gambar 2.8 Descriptor dari perhitungan besar gradien dan orientasi (kiri) dan deskriptor keypoint (kanan) ... 14

Gambar 2.9 Citra dengan keypoint yang invariant terhadap perubahan ... 15

Gambar 2.10 Contoh hasil pencocokan objek dalam citra ... 16

Gambar 3.1 Contoh citra training sel leukemia ... 18

Gambar 3.2 Contoh citra masukan sel darah ... 18

Gambar 3.3 Diagram alir utama sistem deteksi leukemia ... 19

Gambar 3.4 Diagram alir proses pendeteksian keypoint dengan metode SIFT ... 21

Gambar 3.5 Rancangan Halaman Utama ... 22

Gambar 3.6 Rancangan Halaman Menu Citra Training ... 23

Gambar 3.7 Rancangan halaman menu Deteksi Leukemia ... 24

Gambar 4.1 Halaman Utama Sistem ... 28

Gambar 4.2 Halaman Citra Training ... 29

Gambar 4.3 Halaman Deteksi Leukemia ... 30

Gambar 4.4 Implementasi Proses Ekstraksi Fitur Lokal pada Citra Training ... 32

Gambar 4.5 Proses Ekstraksi Fitur Lokal Citra Masukan ... 33

Gambar 4.6 Hasil Ekstraksi Fitur Lokal pada Citra Masukan ... 33

Gambar 4.7 Hasil Deteksi Leukemia pada Citra Masukan ... 34

Gambar 4.8 Proses Ekstraksi Fitur Lokal pada Citra Masukan ... 35

Gambar 4.9 Hasil Deteksi Leukemia pada Citra Masukan ... 36

Gambar 4.10 Proses Deteksi Leukemia secara Manual ... 37

Gambar 4.11 Proses Ekstraksi Fitur Lokal pada Citra Masukan ... 38

Gambar 4.12 Hasil Deteksi Leukemia pada Citra Masukan ... 39 Gambar 4.13 Grafik Recall dan Precision dari Hasil Pengujian Deteksi Leukemia73

(14)

1

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

Seiring dengan perkembangan globalisasi di era modern ini, manusia tidak bisa lepas dari perkembangan teknologi yang terus berkembang. Salah satunya adalah penemuan citra digital. Citra digital adalah gambar dua dimensi yang dapat direpresentasikan ke dalam layar monitor komputer. Sebuah citra digital mengandung informasi dari objek yang direpresentasikannya. Informasi yang terkandung pada citra digital dapat diperoleh melalui pemrosesan data pada citra sehingga data tersebut dapat diteliti. Pemrosesan citra digital untuk mendapatkan informasi ini dapat memudahkan kehidupan manusia. Hingga kini, ilmu pemrosesan citra mulai banyak diaplikasikan ke berbagai aspek kehidupan manusia, seperti pada bidang kedokteran di mana citra digital dapat digunakan untuk mengetahui bagian dalam tubuh manusia maupun penyakit yang diderita.

Namun , dalam bidang kedokteran saat ini penggunaan dan pemrosesan citra digital sebagai teknik untuk menganalisis suatu penyakit belum banyak diterapkan. Berbagai institusi kesehatan maupun laboratorium masih menggunakan cara konvensional dengan menganalisa sel darah manusia melalui mikroskop. Melalui cara konvensional ini, biasanya dibutuhkan waktu yang cukup lama untuk mendeteksi abnormalitas pada sel darah manusia, belum lagi dengan tes yang dilakukan berulang-ulang. Salah satu penyakit yang sering dideteksi melalui tes sel darah manusia ini adalah leukemia. Padahal dengan teknologi terkini, penampakan citra sel darah pada mikroskop dapat direpresentasikan sebagai citra digital. Dengan adanya citra digital sel darah tersebut, peneliti laboratorium dapat melakukan olah data / pemrosesan pada citra digital sel darah untuk mendeteksi penyakit leukemia secara efektif dan cepat.

(15)

2 Oleh karena itu, penulis ingin mengembangkan sebuah aplikasi pemrosesan citra digital sel darah manusia dengan mengimplementasikan algoritma SIFT (Scale

Invariant Feature Transform) untuk mendeteksi penyakit leukemia pada manusia.

Dengan adanya aplikasi pendeteksi penyakit leukemia ini, diharapkan dapat membantu peneliti laboratorium untuk menganalisa sel darah manusia dengan menggunakan citra digital sel darah sehingga dapat mendeteksi penyakit leukemia dengan cepat dan efektif dibandingkan cara konvensional menggunakan mikroskop.

1.2 Rumusan Masalah

Dalam tugas akhir ini akan diimplementasikan algoritma SIFT (Scale Invariant

Feature Transform) dalam aplikasi untuk mendeteksi penyakit leukemia melalui citra

digital sel darah. Adapun permasalahan yang akan dibahas dalam penelitian ini adalah sebagai berikut :

a. Seberapa besar nilai threshold contrast, threshold edge, sigma, dan threshold matching sebagai parameter terhadap kemampuan algoritma SIFT dalam mendeteki penyakit leukemia ?

b. Apakah keypoint yang dihasilkan algoritma SIFT pada citra sel darah mampu mencirikan sel darah leukemia secara khusus untuk mendeteksi adanya leukemia?

c. Bagaimana performa dan tingkat akurasi algoritma SIFT pada aplikasi pendeteksi penyakit leukemia melalui citra digital sel darah manusia ?

1.3 Batasan Sistem

Agar pembahasan tidak meluas dan tidak menimbulkan terjadinya penyimpangan masalah yang ada, maka penulis membatasi permasalahan sebagai berikut :

(16)

3 a. Pada tugas akhir ini obyek penelitian dibatasi pada citra digital sel darah

manusia untuk diproses dalam aplikasi pendeteksi penyakit leukemia. b. Algoritma yang akan digunakan adalah SIFT (Scale Invariant Feature

Transform).

c. Bahasa pemrograman yang akan digunakan untuk membangun sistem ini adalah JAVA dan sebagai aplikasi pendukung untuk membangun sistem ini akan digunakan Java NetBeans.

1.4 Tujuan Penelitian

Penelitian ini bertujuan membangun sistem untuk mendeteksi penyakit leukemia melalui citra digital sel darah manusia menggunakan metode SIFT (Scale Invariant

Feature Transform) dan mengevaluasi tingkat akurasi hasil pendeteksian yang

dihasilkan.

1.5 Metodologi Penelitian

Pada penelitian ini penulis akan menerapkan beberapa metodologi / pendekatan untuk meneliti apakah algoritma SIFT dapat implementasikan untuk mendeteksi penyakit leukemia melalui citra sel darah sebagai berikut :

1. Mempelajari algoritma SIFT yang dibutuhkan dengan studi literatur, yaitu mencari dan mempelajari buku-buku yang berkaitan dengan penelitian ini.

2. Perancangan dan pembuatan program menggunakan bahasa pemrograman JAVA untuk mengimplementasikan algoritma SIFT dalam program pendeteksi Leukemia.

3. Pengujian sistem dengan melakukan percobaan pada hasil akhir program pendeteksi Leukemia dengan mengimplementasikan algoritma SIFT.

Setelah itu, akan dilakukan analisa dan kesimpulan akhir untuk mengetahui hasil implementasi dan menghitung tingkat akurasi serta performa algoritma SIFT dalam mendeteksi penyakit leukemia pada citra sel darah manusia (dalam skala persentase).

(17)

4

1.6 Sistematika Penulisan BAB I : PENDAHULUAN

Membahas tentang latar belakang masalah, rumusan masalah, batasan sistem, tujuan tugas akhir, metodologi penelitian, dan sistematika penulisan laporan.

BAB II : LANDASAN TEORI

Membahas teori yang dijadikan landasan dalam pembuatan tugas akhir. Landasan teori dalam penelitian ini meliputi pembahasan perangkat keras, perangkat lunak, dan teori yang digunakan.

BAB III : PERANCANGAN SISTEM

Bab ini akan membahas tentang perancangan sistem yang akan dibuat meliputi : rancangan interface sistem dan diagram flow chart sistem untuk menggambarkan alur kerja sistem.

BAB IV : IMPLEMENTASI DAN ANALISA SISTEM

Membahas dan menganalisa hasil implementasi sistem. Hasil implementasi sistem akan disajikan dalam tampilan grafik serta penjelasannya. Pembahasan ini meliputi penjelasan terhadap hasil penelitian dihubungkan dengan teori-teori yang telah dijelaskan sebelumnya.

BAB V : KESIMPULAN DAN SARAN

Bab ini berisi tentang hasil penelitian yang dilakukan dan saran pengembangan lebih lanjut tentang persoalan yang belum tuntas diteliti dalam penelitian ini.

(18)

76

BAB V

KESIMPULAN DAN SARAN 5.1 Kesimpulan

Berdasarkan pembahasan dan analisis terhadap hasil pengujian sistem yang dilakukan penulis pada bab 4, maka dapat ditarik beberapa kesimpulan sebagai berikut :

1. Metode Scale Invariant Feature Transform dapat diterapkan dalam pendeteksian sel leukemia pada citra digital sel darah manusia.

2. Keypoint yang dihasilkan oleh metode SIFT mampu mencirikan objek citra secara khusus.

3. Besarnya nilai threshold contrast, threshold edge, dan sigma awal berpengaruh terhadap jumlah keypoint yang dihasilkan, dengan teori sebagai berikut :

a. Semakin besar nilai threshold contrast, maka semakin sedikit keypoint valid yang dihasilkan, namun tidak mengubah jumlah total keypoint yang dihasilkan.

b. Semakin besar nilai threshold edge, maka semakin banyak keypoint valid yang dihasilkan, namun tidak mengubah jumlah total keypoint yang dihasilkan.

c. Nilai sigma awal yang diubah akan mempengaruhi jumlah total

keypoint yang dihasilkan dan tidak menentu jumlahnya.

4. Berdasarkan hasil simulasi, preferensi parameter SIFT untuk ekstraksi

keypoint leukemia yang optimal : threshold edge = 10 , threshold contrast =

0.03, dan sigma awal = 1.

(19)

77 5. Metode SIFT memiliki akurasi dan performa yang baik dalam mendeteksi kemiripan objek sel leukemia, dengan kasus di mana terdapat bagian objek sel leukemia citra masukan pada basis data citra training.

6. Metode SIFT kurang optimal dalam memprediksi citra masukan leukemia yang merupakan kasus baru di mana belum ada objek mirip pada basis data sehingga diperlukan keputusan pengguna secara manual.

7. Dari hasil pengujian sistem, didapatkan ambang batas akurasi untuk ditetapkan sebagai positif leukemia sebesar 50%, dan bilamana akurasi dibawah 50%, maka ambang batas akurasi rata-rata untuk ditetapkan sebagai negatif leukemia atau indikasi leukemia sebesar 2%.

8. Besarnya nilai threshold matching berpengaruh terhadap akurasi pencocokan

keypoint, di mana semakin besar nilai threshold matching, maka semakin

banyak keypoint yang terdeteksi cocok, namun juga semakin banyak keypoint yang cocok yang berada di lokasi salah (false match).

9. Nilai threshold matching optimum berada pada angka 0.5 di mana nilai

precision paling rendah di antara penggunaan nilai threshold matching

lainnya. Nilai threshold mathing 0.8 paling optimal untuk proses deteksi manual.

(20)

78

5.2 Saran

Berikut ini adalah beberapa saran yang dapat diberikan oleh penulis terkait untuk pengembangan lebih lanjut :

1. Dapat digunakan metode yang lebih optimal dari SIFT seperti Speed Up

Robust Feature (SURF) pada sistem deteksi leukemia untuk mendapatkan keypoint yang lebih akurat.

2. Dilakukan penambahan algoritma RANSAC dalam proses pencocokan keypoint untuk memetakan keypoint – keypoint yang cocok sehingga sistem dapat memprediksikan adanya sel leukemia.

3. Digunakan algoritma K-Nearest Neighbour sebagai pengganti algoritma

Euclidean Distance untuk meningkatkan akurasi pencocokan keypoint.

(21)

79

DAFTAR PUSTAKA

Arief, R. R. (2010). Analisis Penggunaan Scale Invariant Feature Transform Sebagai Metode Esktrasi Fitur Pada Pengenalan Jenis Kendaraan. Perpustakaan Universitas

Indonesia .

Beauchemin, S. S. (2013). Introduction to Computer Vision Winter 2013.

Department of Computer Science The University of Western Ontario .

Budiarti, G. (2013). Aplikasi Citra Mosaic Panoramic Menggunakan Metode SIFT (Scale Invariant Feature Transform). Jurnal Sarjana Teknik Informatika Vol. 1 , 1-10. Eka Agustina, S., & Mukhlash, I. (2012). Implementasi Metode Scale Invariant Feature Transform (SIFT) dan Metode Continuosly Adaptive Mean-Shift (Camshift) Pada Penjejakan Objek Bergerak. Jurnal Sains dan Seni Vol. 1 , 1-6.

Fansyuri, A. (2009). Penyebab Leukemia dan Pengobatannya. Retrieved November 2, 2013, from Open Sains: http://opensains.wordpress.com/2009/07/27/penyebab-penyakit-leukemia-dan-pengobatannya/

Lowe, D. G. (2004). Distinctive Image Feature from Scale-invariant Keypoint.

International Journal of Computer Vision .

Lowe, D. G. (1999). Object recognition from local scale-invariant features.

International Conference on Computer Vision .

Meng, Y., & Tiddeman, B. (2012). Implementing the Scale Invariant Feature Transform (SIFT) Method. Department of Computer Science University of St.

Andrews .

Rofinda, Z. D. (2012). Kelainan Hemostasis pada Leukemia. Jurnal Kesehatan

Andalas .

Sinha, U. (2010). SIFT : Scale Invariant Feature Transform. Retrieved November 2, 2013, from Computer Vision: http://aishack.in/2010/05/sift-scale-invariant-feature-transform/