Perbandingan Identifikasi Citra Penyakit Kulit Menggunakan Metode K-Nearest Neighbor dan Metode Sistem Pakar.

(1)

i Universitas Kristen Maranatha

Perbandingan Identifikasi Citra Penyakit Kulit Menggunakan

Metode K-Nearest Neighbor Dan Metode Sistem Pakar

Dian Pitan Diani / 0622046 E-mail : diampitamdiami@yahoo.com

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria Sumantri 65

Bandung 40164, Indonesia

ABSTRAK

Pada perkembangan saat ini, seorang dokter kesulitan untuk mengidentifikasi suatu penyakit (dalam hal ini penyakit kulit). Hal ini disebabkan karena gambaran penyakit kulit yang bermacam-macam, beragam, dan tidak khas. Untuk mempermudah dalam mengidentifikasi penyakit kulit dibutuhkan alat berupa software dengan menggunakan teknologi Digital Image Processing dan Sistem Pakar. Dengan adanya teknologi Digital Image Processing,

pengklasifikasian penyakit kulit dapat dikembangkan dan bermanfaat khususnya dibidang medis.

Pada Tugas Akhir ini dibuat sistem untuk mengidentifikasi dan mendiagnosis citra penyakit kulit berdasarkan warna penyakit kulit (bisul, cacar air, dan panu) tersebut. Secara umum, identifikasi citra penyakit kulit ini terdiri dari dua bagian utama, yaitu pengklasifikasian menggunakan K-Nearest Neighbor

dan mendiagnosis penyakit kulit menggunakan Sistem Pakar.

(2)

ii Universitas Kristen Maranatha dan tingkat keberhasilan metode Sistem Pakar terhadap penyakit kulit bisul = 100%, panu = 100%, dan cacar air = 46,67%). Dilihat dari tingkat keberhasilannya metode Sistem Pakar lebih memuaskan dibandingkan dengan metode K-Nearest Neighbor

(3)

iii Universitas Kristen Maranatha COMPARISON OF IDENTIFICATION FOR SKIN DISEASES USING K-NEAREST NEIGHBOR METHOD AND EXPERT SYSTEM METHOD

Dian Pitan Diani / 0622046 E-mail : diampitamdiami@yahoo.com

Electrical Engineering Department, Faculty Of Engineer, Maranatha Christian University

Prof. Drg. Suria Sumantri 65 Street Bandung 40164, Indonesia

ABSTRACT

Now a days, a doctor difficult to identify disease (in this skin disease). This is because the image of skin disease in diversity, varied, and does not specifically. To facilitate the identification of disease of the skin can helped by the technology of Digital Image Processing and Expert System. With Digital Image Processing technology, classification of skin disease can be designed and useful, particularly in medical.

In this Final Project has been made program for identifying and diagnosing an image based on the color of skin disease. In General, identification of skin disease image consists of two main parts, namely, the classification based on K-Nearest Neighbor, and diagnosing disease of the skin using an Expert System.

(4)

iv Universitas Kristen Maranatha success rate of the Expert System method skin diseases ulcers = 100%, sputum = 100%, and chicken pox = 46, 67%). Seen from the success rate are more satisfying method of Expert System in comparison with K-Nearest Neighbor method.

(5)

vii Universitas Kristen Maranatha

1.2 Perumusan Masalah... 2

1.3 Tujuan... 2

1.4 Pembatasan Masalah ... 3

1.5 Sistematika Penulisan ... 3

BAB 2 LANDASAN TEORI ... 5

2.1 Pengertian Kulit dan Penyakit Kulit... 5

2.1.1 Karakteristik Penyakit Kulit ... 5

2.2 Pengolahan Citra Digital ... 7

2.3 Komponen Warna Citra ... 7

2.4 K-Nearest Neighbor ... 12

2.4.1 Konsep Dasar K-Nearest Neighbor ... 12

2.5 Sistem Pakar ... 12

2.6 Visual Basic... 16

BAB 3 PERANCANGAN DAN REALISASI ... 18

3.1 Pengambilan Data Citra Penyakit Kulit ... 22

3.2 Desain GUI Database Grafik Nilai Warna Penyakit Kulit ... 23

3.3 Menghitung Jarak Euclidian... 25

3.4 Desain GUI Tampilan K-NN dan Sistem Pakar... 26

BAB 4 DATA PENGAMATAN DAN ANALISIS DATA... 30

4.1 Data Pengamatan ... 31

4.1.1 K-NN Dengan Menggunakan 30 Citra Uji...32

(6)

viii Universitas Kristen Maranatha

4.2 Analisa Data ... 38

BAB 5 KESIMPULAN DAN SARAN ... 39

5.1 Kesimpulan... 39

5.2 Saran ... 40

(7)

ix Universitas Kristen Maranatha

DAFTAR TABEL

Tabel 2.1 Skor Awal Penyakit Kulit ……….13

Tabel 2.2 Kuesioner Penyakit Bisul (Furunkel)……...13

Tabel 2.3 Kuesioner Penyakit Cacar Air (Varicella) ...…..14 Tabel 2.4 Kuesioner Penyakit Panu (Tinea atau Ptiriasis Versikolor)...14

Tabel 2.5 Sistem Pakar dengan Skor dan Bobot Nilai...14

Tabel 3.1 Komponen dan Properti Program Nilai Warna Penyakit Kulit...23

Tabel 3.2 Komponen dan Properti Program KNN dan Sistem Pakar...27

Tabel 4.1 K-NN dengan Menggunakan 30 Citra Uji (Bisul Uji) ...32

Tabel 4.2 K-NN dengan Menggunakan 30 Citra Uji (Cacar Uji) ...33

Tabel 4.3 K-NN dengan Menggunakan 30 Citra Uji (Panu Uji) ...34

Tabel 4.4 Hasil Dari Kuesioner Citra Penyakit Bisul (Furunkel) ...35

Tabel 4.5 Hasil Dari Kuesioner Citra Penyakit Cacar Air (Varicella) ...36

Tabel 4.6 Hasil Dari Citra Penyakit Panu (Tinea atau Ptiriasis Versikolor)..37 Tabel 4.7 Tabel Persentase Perhitungan Tingkat Keberhasilan Secara

(8)

x Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar 2.1 Citra Penyakit Bisul...6

Gambar 2.2 Citra Penyakit Cacar Air ……...6

Gambar 2.3 Citra Penyakit Panu...7

Gambar 2.4 Ruang Warna RGB...8

Gambar 2.5 Ruang Warna YCbCr ……...9

Gambar 3.1 Diagram Blok Keseluruhan Proses Identifikasi Citra Penyakit Kulit ...18

Gambar 3.2 Diagram Blok Proses Identifikasi Citra Penyakit Kulit...19

Gamvar 3.3 Langkah Kerja Identifikasi Citra Penyakit Kulit Menggunakan Metode K-NN...20

Gambar 3.4 Langkah Kerja Identifikasi Citra Penyakit Kulit Menggunakan Metode Sistem Pakar...21

Gambar 3.5 Diagram Alir Proses Mengubah Nilai RGB Menjadi YCrCb...22

Gambar 3.6 Desain GUI Database Grafik Nilai Warna Penyakit Kulit………23 Gambar 3.7 Diagram Alir Proses Perhitungan Jarak Euclidian...…...25

(9)

LAMPIRAN A

(10)

A-1

1. Listing Program Pengambilan Nilai CrCb dan CrCb Unik

Private Sub cmdGambar_Click() Dim Cr, Cb As Single

Dim r1, R2, r3, alfa1, alfa2, alfa3 As Single

Dim rataR1, rataR2, rataR3, rataAlfa1, rataAlfa2, rataAlfa3 As Single Dim Cr1, Cb1, Cr2, Cb2, Cr3, Cb3 As Single

Open "CrCb.txt" For Input As #1 While Not EOF(1)

u = Picture2.ScaleWidth / (maksCr - minCr) * (Cr - minCr) v = Picture2.ScaleHeight / (maksCb - minCb) * (maksCb - Cb) Picture2.PSet (u, v), RGB(255, 0, 0)

Wend Close #1 rataR1 = (s1 / c) rataAlfa1 = (p1 / c)

Open "Sentroid.txt" For Append As #2 Cr1 = Abs(rataR1 * Cos(rataAlfa1)) Cb1 = Abs(rataR1 * Sin(rataAlfa1)) Write #2, Cr1, Cb1

u = Picture2.ScaleWidth / (maksCr - minCr) * (Cr1 - minCr) v = Picture2.ScaleHeight / (maksCb - minCb) * (maksCb - Cb1) Picture2.Circle (u, v), 2, RGB(0, 0, 0)

(11)

A-2 'Distribusi warna Cacar

Open "CrCb1.txt" For Input As #1 While Not EOF(1)

Wend Close #1 rataR2 = (s2 / d) rataAlfa2 = (p2 / d)

Open "Sentroid.txt" For Append As #2 Cr2 = rataR2 * Cos(rataAlfa2)

Cb2 = rataR2 * Sin(rataAlfa2) Write #2, Cr2, Cb2

Close #2

'Distribusi warna Panu

Open "CrCb2.txt" For Input As #1 While Not EOF(1)

(12)

A-3

rataR3 = (s3 / e) rataAlfa3 = (p3 / e)

Dim r1, R2, r3, alfa1, alfa2, alfa3 As Single

Dim rataR1, rataR2, rataR3, rataAlfa1, rataAlfa2, rataAlfa3 As Single Dim Cr1, Cb1, Cr2, Cb2, Cr3, Cb3 As Single

(13)

A-4

Open "Sentroid.txt" For Append As #2 Cr1 = Abs(rataR1 * Cos(rataAlfa1)) Cb1 = Abs(rataR1 * Sin(rataAlfa1)) Write #2, Cr1, Cb1

Close #2

'Distribusi warna Cacar

Open "Cacar.csv" For Input As #1 While Not EOF(1)

Wend Close #1 rataR2 = (s2 / d) rataAlfa2 = (p2 / d)

Close #2

'Distribusi warna Panu

Open "Panu.csv" For Input As #1 While Not EOF(1)

(14)

A-5

r3 = Sqr((Cr ^ 2) + (Cb ^ 2)) s3 = s3 + r3

alfa3 = Atn(Cb / Cr) p3 = p3 + alfa3

Wend Close #1 rataR3 = (s3 / e) rataAlfa3 = (p3 / e)

(15)

A-6 'Membuat Sumbu Koordinat

u = Picture2.ScaleWidth / (maksCr - minCr) * (0 - minCr) v = Picture2.ScaleHeight / (maksCb - minCb) * (maksCb - 0) Picture2.Line (u, 0)-(u, Picture2.ScaleHeight)

Picture2.Line (0, v)-(Picture2.ScaleWidth, v)

'Membuat titik2 koordinat (0,0)

n = Int(minCr) m = Int(minCb)

For y1 = m To maksCb Step 30 For z = n To maksCr Step 30

x1 = Picture2.ScaleWidth / (maksCr - minCr) * (0 - minCr) v = Picture2.ScaleHeight / (maksCb - minCb) * (maksCb - 0) Picture2.Circle (x1, v), 2, RGB(0, 0, 255)

Next z Next y1

'Membuat tulisan koordinat

n = Int(minCr)

For z = n To maksCr Step 30

(16)

A-7

Picture2.Circle (x1, v), 1, RGB(0, 255, 0) Picture2.CurrentX = x1

Picture2.CurrentY = v Picture2.Print z

x1 = Picture3.ScaleWidth / (maksCr - minCr) * (z - minCr) v = Picture3.ScaleHeight / (maksCb - minCb) * (maksCb - 0) Picture3.Circle (x1, v), 1, RGB(0, 255, 0)

Picture3.CurrentX = x1 Picture3.CurrentY = v Picture3.Print z

Picture4.CurrentX = x1 Picture4.CurrentY = v Picture4.Print z

Picture1.CurrentX = x1

x1 = Picture2.ScaleWidth / (maksCr - minCr) * (0 - minCr) v = Picture2.ScaleHeight / (maksCb - minCb) * (maksCb - y1) Picture2.Circle (x1, v), 1, RGB(0, 255, 0)

Picture2.CurrentX = x1 Picture2.CurrentY = v Picture2.Print y1

Picture3.CurrentX = x1 Picture3.CurrentY = v Picture3.Print y1

(17)

A-8

Picture4.Print y1

Picture1.CurrentX = x1

2. Listing Program Perhitungan Jarak Euclidian

Dim rsb(30), rsc(30), rsp(30) As Single Dim db, dc, dp, cr, cb As Single Dim DeucB, DeucC, DeucP As Single Dim folder, file As String

Dim i As Single

xfile = Mid(CommonDialog1.FileName, 1, Len(CommonDialog1.FileName) - 4) + ".csv"

If CommonDialog1.FileName <> "" Then n = 1

'Bisulreferensi

Open folder & "\Bisul\Bisulall.csv" For Input As #1 For n = 1 To 30

Input #1, cr, cb

rsb(n) = Sqr(cr ^ 2 + cb ^ 2) Next n

(18)

A-9 'Cacar referensi

Open folder & "\Cacar\Cacarall.csv" For Input As #1 For n = 1 To 30

Open folder & "\Panu\Panuall.csv" For Input As #1 For n = 1 To 30

If DeucB < DeucC And DeucB < DeucP Then Text4.Text = "Bisul"

ElseIf DeucP < DeucC And DeucP < DeucB Then Text4.Text = "Panu"

ElseIf DeucC < DeucB And DeucC < DeucP Then Text4.Text = "Cacar"

(19)

A-10

3. Listing Program Pendeteksian Menggunakan Sistem Pakar

Private Sub Command2_Click()

If Text5.Text > Text6.Text And Text5.Text > Text7.Text Then Text8.Text = "Panu"

Else

(20)

LAMPIRAN B

(21)

B-1 1. Nilai CrCb Citra Referensi

(22)

(23)

(24)

(25)

(26)

(27)

(28)

(29)

(30)

(31)

(32)

(33)

(34)

(35)

(36)

(37)

(38)

(39)

B-19 o _{Cacar Air (Varicella)}

(40)

(41)

(42)

(43)

(44)

(45)

(46)

(47)

(48)

(49)

(50)

B-30

(51)

B-31

(52)

(53)

(54)

(55)

(56)

(57)

(58)

(59)

(60)

B-40 2. Nilai CrCb Citra Uji

(61)

(62)

(63)

(64)

(65)

(66)

(67)

(68)

(69)

(70)

(71)

(72)

B-52 o _{Cacar Air (Varicella)}

(73)

(74)

(75)

(76)

(77)

(78)

(79)

(80)

(81)

(82)

(83)

(84)

(85)

(86)

(87)

LAMPIRAN C

CITRA PENYAKIT KULIT REFERENSI

(88)

C-1 1. Citra Referensi

a. Penyakit Bisul (Furunkel)

(89)

C-2

B17.jpg B18.jpg B19.jpg B20.jpg

(90)

C-3 b. Penyakit Cacar Air (Varicella)

C13.jpg C14.jpg C15.jpg C16.jpg

(91)

C-4

C29.jpg C30.jpg

(92)

C-5

c. Penyakit Panu (Tinea atau Ptiriasis Versikolor)

P1.jpg P2.jpg P3.jpg P4.jpg

(93)

C-6

P29.jpg P30.jpg

(94)

C-7 2. Citra Uji

a. Penyakit Bisul (Furunkel)

(95)

C-8

(96)

C-9 b. Penyakit Cacar Air (Varicella)

(97)

C-10

(98)

C-11

c. Penyakit Panu (Tinea atau Ptiriasis Versikolor)

(99)

C-12

(100)

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada perkembangan saat ini, banyak ditemukan masalah kesehatan pada masyarakat. Salah satu contoh masalah kesehatan yang dihadapi masyarakat adalah mengenai penyakit kulit. Penyakit kulit ini tidak dapat disembunyikan dan tidak mengenal usia, baik itu orang dewasa maupun anak-anak juga dapat terkena penyakit ini. Penyebab dari penyakit kulit ini antara lain karena terinfeksi bakteri, jamur atau virus. Infeksi bakteri, jamur atau virus cepat menyebar diseluruh tubuh disebabkan dengan berkurangnya daya tahan pada tubuh manusia.

Kadang-kadang seorang dokter kesulitan mengidentifikasi suatu penyakit kulit disebabkan karena efloresensi atau gambaran penyakit kulit yang bermacam-macam, beragam dan tidak khas. Oleh sebab itu, dibutuhkan suatu alat berupa software untuk mempermudah dalam identifikasi penyakit kulit.

Dengan adanya teknik Digital Image Processing suatu teknik pengklasifikasian penyakit kulit akan bisa dikembangkan dan bermanfaat khususnya dibidang medis. Input atau masukannya berupa citra kulit yang berpenyakit dan merupakan citra asli. Untuk melakukan klasifikasi pada citra tersebut, fitur citra harus ditetapkan terlebih dahulu agar dapat membedakan citra yang satu dengan citra yang lain.

Salah satu metode yang digunakan untuk mengklasifikasi citra berdasarkan fitur-fitur visual yang dimilikinya adalah K-Nearest Neighbor.

Yang dimaksud dengan fitur-fitur visual adalah fitur-fitur yang terdiri dari warna, bentuk, dan tekstur. Pada Tugas Akhir ini akan digunakan metode

(101)

BAB 1 PENDAHULUAN

2 Universitas Kristen Maranatha dapat dimanfaatkan dalam bidang medis untuk mendiagnosis penyakit kulit.

Selain metode K-Nearest Neighbor , digunakan juga sistem pakar yaitu untuk mendapatkan ketepatan dalam mendiagnosis penyakit kulit. Sistem pakar adalah program komputer yang dibangun bukan berdasarkan algoritma melainkan berdasarkan pengetahuan dan aturan. Sistem ini sudah banyak dikembangkan untuk kepentingan penelitian maupun kepentingan bisnis dari berbagai bidang ilmu. Dalam bidang kesehatan khususnya diagnosis, sistem ini telah dikembangkan pada pertengahan tahun 1970 untuk melakukan diagnosis dan terapi terhadap penyakit

meningitis dan infeksi bakteriemia. Oleh karena itu, selain K-Nearest Neighbor, sistem pakar ini juga akan bermanfaat untuk mendiagnosis penyakit kulit pada Tugas Akhir ini.

1.2 Perumusan Masalah

Berdasarkan uraian di atas, maka dapat dirumuskan permasalahan yang ada yaitu:

a. Bagaimana cara identifikasi penyakit kulit dilihat berdasarkan warna penyakit kulit ?

b. Bagaimana menentukan penyakit kulit dilihat berdasarkan gejala-gejalanya ?

c. Bagaimana cara membuat program untuk identifikasi citra penyakit kulit menggunakan metode K-Nearest Neighbor dan Sistem Pakar ?

1.3 Tujuan

(102)

3 Universitas Kristen Maranatha Sistem Pakar digunakan untuk menghitung skor dan bobot nilai dari kuesioner citra penyakit kulit.

1.4 Pembatasan Masalah

1. Format citra yang digunakan untuk input atau masukan yaitu bitmap. 2. Analisa yang dilakukan menggunakan metode K-Nearest Neighbor

dan Sistem Pakar.

3. Jenis penyakit kulit yang akan diidentifikasi dan diklasifikasikan dibatasi sampai 3 macam penyakit kulit, yaitu : Bisul (Furunkel), Cacar Air (Varicella), dan Panu (Tinea atau Ptiriasis Versikolor). 4. Menggunakan Visual Basic sebagai bahasa pemrograman.

1.5 Sistematika Penulisan

BAB I : PENDAHULUAN

Bab ini membahas mengenai latar belakang permasalahan, perumusan masalah, tujuan penulisan, metode penyelesaian masalah serta sistematika penulisan pada Tugas Akhir ini. BAB II : LANDASAN TEORI

Bab ini membahas konsep dasar mengenai citra digital, sekilas tentang kulit, dan pengolahan citra digital yang sesuai dengan kebutuhan pengklasifikasian penyakit berdasarkan citra kulit, konsep dasar K-Nearest Neighbor, dan konsep dasar Sistem Pakar.

BAB III : PERANCANGAN DAN REALISASI

Bab ini membahas bagaimana proses perancangan program simulasi guna pengklasifikasian penyakit kulit berdasarkan citra warna penyakit kulit.

BAB IV : DATA PENGAMATAN DAN ANALISA

(103)

4 Universitas Kristen Maranatha BAB V : KESIMPULAN DAN SARAN

(104)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Kesimpulan yang dapat diambil dalam Tugas Akhir ini adalah sebagai berikut :

1. Perancangan identifikasi citra penyakit kulit menggunakan metode K-NN dan Sistem Pakar berhasil direalisasikan.

2. Dalam Tugas Akhir ini, ternyata dengan menggunakan metode K-NN hasilnya tidak memuaskan terutama pada citra penyakit bisul uji yang tingkat keberhasilannya hanya 3.33%, akan tetapi untuk identifikasi citra penyakit kulit panu tingkat keberhasilannya mencapai 86.67%. 3. Pada metode Sistem Pakar tingkat keberhasilan pada citra penyakit

kulit bisul dan panu 100%, tetapi untuk identifikasi penyakit cacar air hanya mencapai 46.67%.

4. Hasil dari data pengamatan identifikasi citra penyakit kulit menggunakan metode Sistem Pakar lebih memuaskan dibandingkan hasil dari metode K-NN.

(105)

40 Universitas Kristen Maranatha 5.2 Saran

Saran-saran yang dapat diberikan untuk perbaikan dan pengembangan Tugas Akhir ini dimasa mendatang adalah :

1. Algoritma identifikasi warna citra penyakit kulit lebih disempurnakan saat proses feature extraction, sehingga dapat lebih akurat dalam mengidentifikasi citra penyakit kulit dan dapat membedakan berbagai jenis penyakit kulit dengan melihat warna dari penyakit kulit tersebut.

(106)

DAFTAR PUSTAKA

1. Ahmad, Usman, “Pengolahan Citra Digital dan Teknik

Pemrogramannya,”, Graha Ilmu, Yogyakarta, 2005.

2. Basuki, Achmad, Jozua F.Palandi, Fatchurrochman,”Pengolahan Citra

Digital menggunakan Visual Basic”, Graha Ilmu,Yogyakarta, 2005. 3. Darmawan, Aan. 2007, Diktat Kuliah Pengolahan Citra Digital,

Universitas Kristen Maranatha, Bandung.

4. P.Zebua, Andy Putra, “Pengenalan Warna Kulit Untuk Klasifikasi Ras

Manusia”, Universitas Kristen Maranatha, Bandung, 2009.

5. Setiawan, Sandi, “Artificial Intelligence”, Andi Offset, Yogyakarta, 1993. 6. Subari, Yuswanto, “Panduan Lengkap Pemrograman Visual Basic”,