IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
SKRIPSI
WIDYA EKA SANDRI 131402113
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2017
IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
WIDYA EKA SANDRI 131402113
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2017
PERSETUJUAN
Judul : IDENTIFIKASI RETINOBLASTOMA
MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
Kategori : SKRIPSI
Nama : WIDYA EKA SANDRI
Nomor Induk Mahasiswa : 131402113
Program Studi : S1 TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI Komisi Pembimbing : Pembimbing 2 Pembimbing 1
Baihaqi Siregar, S.Si., MT Ulfi Andayani, S.Kom., M.Kom NIP. 197901082012121002 NIP. 198604192015042004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc NIP. 1987052019091001
PERNYATAAN
IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN
BACKPROPAGATION NEURAL NETWORK
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 18 Juli 2017
WIDYA EKA SANDRI 131402113
UCAPAN TERIMA KASIH
Puji dan syukur kehadirat Allah SWT, karena rahmat dan izin-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Teknologi Informasi Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada:
1. Bapak Prof. Runtung Sitepu, SH., M.Hum selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Drs. Opim Salim Sitompul, M.Sc selaku Dekan Fasilkom-TI Universitas Sumatera Utara dan Dosen Pembanding I saya.
3. Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc selaku Ketua Program Studi S1 Teknologi Informasi Universitas Sumatera Utara dan Dosen Pembanding II saya. 4. Ibu Ulfi Andayani, S.Kom., M.Kom selaku Dosen Pembimbing I yang telah
memberikan bimbingan dan saran kepada penulis.
5. Bapak Baihaqi Siregar, S.Si., MT selaku Dosen Pembimbing II yang telah memberikan bimbingan dan saran kepada penulis.
6. Ayahanda Sarbaini Pasaribu dan Ibunda Indria Lena Harahap yang selalu memberikan doa, kasih sayang, nasehat, dan semangat yang tiada putusnya kepada penulis.
7. Tiara Dwi Sandri, Tamara Tri Sandri dan Morinho Sandri selaku adik-adik saya yang selalu memberikan semangat kepada penulis.
8. Keluarga besar dari ayahanda dan ibunda yang juga selalu memberikan dukungan dan semangat kepada penulis.
9. Pria yang selalu menemani, memberikan doa, nasehat, yang selalu mendengarkan keluh kesah penulis saat pengerjaan skripsi ini, memberikan dukungan dan semangat kepada penulis, Junianto.
10. Sahabat terbaik sedari SMP Yunita Sari dan INSIEME yang tiada henti memberikan semangat dan dukungan kepada penulis.
11. Sahabat POPIWED Deby Aprilia Sihombing, Priyanka S.Kom, Novira Naili Ulya Siregar, Iin Leo yang selalu memberikan dukungan, mendengar keluh kesah saat pengerjaan skripsi ini, menampung segala hal cerita yang lagi senang, bahagia, sedih, memberikan nasehat dan sebagai saudara yang berbeda orangtua.
12. Senior-senior yang telah membantu, memberikan masukan, dan memotivasi penulis dalam pengerjaan skripsi, M.Suryansyah Manik, S.Kom., Eka Pratiwi Goenfi S.Kom.
13. Teman-teman Teknologi Informasi USU terkhusus angkatan 2013 yang selalu memberi semangat kepada penulis.
14. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu persatu yang telah membantu penyelesaian skripsi ini.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini. Medan, 18 Juli 2017 Penulis
ABSTRAK
Retinoblastoma (kanker mata) adalah penyakit kanker pada mata yang biasanya diderita oleh anak-anak yang menyerang jaringan saraf tipis yang berada di belakang mata (bagian yang sensitif terhadap cahaya). Retinoblastoma dapat menyerang satu ataupun kedua mata dan merupakan jenis penyakit yang dapat disebabkan oleh mutasi genetik yang biasa disebut dengan retinoblastoma1 (RB1). Pada pemeriksaan fisik yang masih dilakukan secara manual melalui oftalmoskopi oleh dokter atau pakar dilakukan dengan melihat adanya tumor berwarna putih / putih kekuningan pada fundus yang sering dikaitkan dengan peningkatan vaskularisasi. Sehingga diperlukan suatu metode yang digunakan untuk dapat mengidentifikasi penyakit retinoblastoma melalui citra fundus retina secara otomatis. Pada penelitian ini metode yang digunakan yaitu backpropagation neural network dengan input berupa citra fundus retina. Tahapan yang dilakukan dalam mengidentifikasi penyakit retinoblastoma berupa proses pengolahan citra (resize, grayscaling, morphological close operation, dan optic disk elimination), feature extraction dengan metode Gray Level Coocurance Matrix dan kemudian classification menggunakan backpropagation neural network. Setelah dilakukan pengujian pada sistem, maka dapat disimpulkan metode yang digunakan pada penelitian ini memiliki kemampuan untuk mengidentifikasi penyakit retinoblastoma dengan akurasi 90%.
Kata kunci : Penyakit retinoblastoma, resize, grayscaling, morphological close opearation, optic disk elimination, gray level coocurance matrix, backpropagation neural network.
RETINOBLASTOMA DISEASE IDENTIFICATION USING
BACKPROPAGATION NEURAL NEWORK
ABSTRACT
Retinoblastoma (eye cancer) is an eye disease that is usually suffered by children that attack the thin nerve tissue behind the eyes (the part which is sensitive to light). Retinoblastoma can attack one or both eyes and it is a type of disease that can be caused by a genetic mutation called Retinoblastoma1 (RB1). On manual physical examination using ophthalmoscopy by a doctor or an expert there is a yellowish white / white tumor on the fundus that is often caused by the vascularization. That is why it needs a method that can be done to identify retinoblastoma disease through retinal fundus images automatically. In this research the method used is Backpropagation Neural Network using input of retinal fundus image. The stages which is done to identify retinoblastoma disease are image processing (resize, grayscaling, morphological close operation, and optic disk elimination), feature extraction using Gray Level Coocurance Matrix method and then classification using backpropagation neural network. After testing on the system in this research, it was concluded that the method used is able to identify retinoblastoma disease with accuracy 90%.
Keyword: Retinoblastoma disease, resize, grayscaling, morphological close opearation, optic disk elimination ,gray level coocurance matrix, backpropagation neural network.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Ucapan Terima Kasih iv
Abstrak vi
Abstract vii
Daftar Isi viii
Daftar Tabel xi
Daftar Gambar xii
Bab 1 Pendahuluan 1.1 Latar Belakang 1 1.2 Rumusan Masalah 3 1.3 Batasan Masalah 3 1.4 Tujuan Penelitian 4 1.5 Manfaat Penelitian 4 1.6 Metodologi Penelitian 4 1.7 Sistematika Penulisan 5
Bab 2 Landasan Teori
2.1 Retinoblastoma 7
2.1.1. Penyebab Retinoblastoma 8
2.1.2. Gejala Retinoblastoma 9
2.1.3. Diagnosis Retinoblastoma 10 2.1.4. Pencegahan dan Pengobatan Retinoblastoma 11
2.2 Pengenalan Dasar Citra 13
2.2.1. Citra Biner 13
2.2.2. Citra Grayscale 13
2.2.3. Citra Warna 14
2.3 Pengolahan Citra Digital 15
2.3.1. Resize 15
2.3.2. Grayscaling 15
2.3.3. Morphological Operator 16
2.3.4. Thresholding 18
2.4 Gray-Level Co-Occurrence Matrix 18
2.5 Jaringan Saraf Tiruan 20
2.6 Backpropagation 22
2.7 Penelitian Terdahulu 25
Bab 3 Analisis dan Perancangan Sistem
3.1 Dataset 28
3.2.2.1 Preprocessing 29 3.2.2.2 Feature Extraction 31 3.2.2.3 Classsification 32
3.2.3. Output 33
3.3 Perancangan Sistem 35
3.3.1 Perancangan menu sistem 35
3.3.2 Perancangan antarmuka 35
3.3.3 Perancangan tampilan halaman testing 36 3.3.4 Perancangan tampilan halaman training 37 Bab 4 Implementasi dan Pengujian
4.1 Implementasi Sistem 39
4.1.1 Spesifikasi Perangkat Keras dan Perangkat Lunak 39
4.1.2 Implementasi Perancangan Antarmuka 40
4.1.3 Implementasi Data 42
4.2 Prosedur Operasional 48
4.3 Pengujian Sistem 56
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan 63
5.2 Saran 64
DAFTAR TABEL
Halaman
Tabel 2.1 Penelitian Terdahulu 26
Tabel 4.1 Rangkuman Data Citra Fundus Retina 42
Tabel 4.2 Parameter Backpropagation 57
Tabel 4.3 Hasil Pengujian Identifikasi Retinoblastoma 58
DAFTAR GAMBAR Halaman
Gambar 2.1 Gejala leukocoria pada anak penderita Rb 9
Gambar 2.2 Fundus retina normal 10
Gambar 2.3 Fundus retina dengan retinoblastoma 11
Gambar 2.4 Citra Biner Gambar 2.5 Citra Grayscale Gambar 2.6 Citra Warna
Gambar 2.7 Fungsi aktivasi neuron (Negnevitsky, 2005)
13 14 15 21
Gambar 2.8 Arsitektur backpropagation 22
Gambar 3.1 Fundus retina normal (a) Fundus retina retinoblastoma (b)
29
Gambar 3.2 Arsitektur umum 34
Gambar 3.3 Struktur menu sistem 35
Gambar 3.4 Rancangan tampilan halaman menu 36
Gambar 3.5 Rancangan tampilan halaman testing 36
Gambar 3.6 Rancangan tampilan halaman training 38
Gambar 4.1 Tampilan halaman menu 40
Gambar 4.2 Tampilan halaman testing 41
Gambar 4.3 Tampilan halaman training 41
Gambar 4.4 Tampilan halaman training 49
Gambar 4.5 Tampilan ketika salah satu button upload citra diklik 50 Gambar 4.6 Tampilan setelah file citra retina dipilih 50
Gambar 4.7 Contoh isi file “DataSetGLCM.txt” 51
Gambar 4.10 Tampilan ketika citra telah dipilih 53
Gambar 4.11 Tampilan setelah citra diproses 54
Gambar 4.12 Hasil citra setelah dilakukan resize citra 54
Gambar 4.13 Hasil citra grayscale 54
Gambar 4.14 Hasil citra morphological close operation 55
Gambar 4.15 Hasil citra thresholding 55
Gambar 4.16 Hasil citra erosion 55
Gambar 4.17 Hasil citra inversion 55
Gambar 4.18 Contoh isi file “DataSetGLCM1.txt” 56
