Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
5-Saparudin

5-Saparudin

Ratings: (0)|Views: 16|Likes:
Published by Richi Haryansa

More info:

Published by: Richi Haryansa on Apr 04, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/26/2013

pdf

text

original

 
Vol. 5 No.1 (Januari 2010) J
URNAL
G
ENERIC
25ISSN 1907-4093 / © 2010 J
URNAL
G
ENERIC
 
 Abstrak
 
 Electrocardiograph merupakan salah satu alat yang digunakan dalam pemeriksaan jantung. Electrocardiograph menghasilkan Informasi Electrocardiogram yang tidak dapatlangsung dibaca oleh orang awam. Electrocardiogram menghasilkan citra grafik dan pernyataan tentang normal atau abnormalnya kondisi jantung. Electrocardiogram merekam aktivitas kelistrikan jantung dalam waktu tertentu. Tahapan Image Processing untuk memperbaiki kualitas citra dan menangkap pola grafik Electrocardiogram yang akan dianalisis antara lain Image Smoothing dengan metode Gauss, ImageSegmentation, Image Normalisation dan Image Thinning. Polaline grafik yang dihasilkan akan dianalisa untuk menentukan titik - titik penting tertentu pada line grafik yang telah ditemukan. Titik tersebut menjadi pembanding dalam sistem rule based knowledge dalam menemukan kelainan jantung tersebut. Dalam penelitian ini hasil pengujian yang dapat dikenali adalah78.26% dari data pengujian yang ada. Kata Kunci
 
 Electrocardiograph
,
 Electrocardiogram, Image Processing
,
Smoothing
,
Segmentation, Normalisation, Thinning, Line
.
I.
 
P
ENDAHULUAN
 
lectrocardiograph
merupakan salah satu alat yangsering digunakan dalam pemeriksaan jantung. Hasilpengamatan
 Electrocardiograph
berupa grafik 
 Electrocardiogram
yang memberikan informasi mengenaiukuran, bentuk, kapasitas, dan kelainan yang terjadi pada jantung. Informasi tersebut tidak dapat langsung dibaca olehorang awam.
 Electrocardiogram
menghasilkan citra grafik dan pernyataan tentang normal atau abnormalnya kondisi jantung. Permasalahan yang diangkat adalah bagaimanaalgoritma untuk mengidentifikasi citra digital berupa grafik 
 Electrocardiogram
dan bagaimana menerjemahkaninformasi yang diperoleh dari grafik 
electrocardiogram
 untuk mendiagnosis kelainan pada jantung.
 
Citra yang diterapkan dalam pembuatan aplikasi iniadalah citra statis (bukan citra bergerak) dan berekstensiBITMAP (.bmp). dan grafik ECG pada Citra yangdigunakan dalam aplikasi ini tidak bertumpuk.
1
Saparudin adalah staf pengajar dan peneliti di Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Sriwijaya, Inderalaya,Ogan Ilir, Sumatera Selatan. (e-mail: saparudin@unsri.ac.id).
2
Edvin Ramadhan adalah sarjana Teknik Informatika lulusan programSarjana (S.Kom), Fakultas Ilmu Komputer, Universitas Sriwijaya (e-mail:d_vin88@yahoo.com)
II.
 
T
EORI DAN
M
ETODE
 
 A.
 
 Electroradiogram Electrocardiogram
(
 EKG
 / 
 ECG
) merupakan grafik hasilyang dibuat oleh sebuah
electrocardiograf 
, yang merekamaktivitas kelistrikan jantung dalam waktu tertentu. PadaEKG terdapat dua fase yaitu Fase Depolarisasi dan FaseRepolarisasi. Dasar atau prinsip kerja yang digunakandalam alat ini adalah dengan memanfaatkan sifat konduktorlistrik yang baik pada tubuh manusia. Cairan dalam tubuhmanusia mengandung ion – ion yang berpindah – pindah.Perpindahan
ion – ion
ini menghasilkan beda potensial.Beda potensial inilah yang ditangkap sensor electrodaperekam yang ditempelkan pada permukaan kulit.T
ABEL
1. M
UATAN
L
ISTRIK
S
EL
O
TOT
J
ANTUNG
Keadaan Sel OtotJantungMuatan Listrik Intra Seluler Extra SelulerIstirahat / Repolarisasi
-
(relatif lebihnegatif)
+
(relatif lebihpositif)Aktif / Depolarisasi
+
(relatif lebihpositif)
-
(relatif lebihnegatif)Beberapa jenis penyakit kelainan jantung menurutIswanto, S.Hut (2009), antara lain adalah
 Abnormal Heart  Rhythms, Heart Failure, Heart Valve Disease, Congenitas Heart Disease, Cardiomyopathies,
dan
Pericarditis.
Gambar 1. Bentuk Dasar Gelombang EKG
 B.
 
Pengolahan Citra
Rekaman ECG disimpan dalam format citra Bitmap.Pengolahan citra yang penting dalam Sistem Diagnosis iniadalah berupa hasil
Smoothing, Segmentation, Normalisation,
dan
Thinning
dari rekaman ECG tersebut.Smoothing yang digunakan adalah Gaussian Smoothing, dan
Identifikasi Kelainan Jantung MenggunakanPola Citra Digital
 Electrocardiogram
 
Saparudin
1
, Edvin Ramadhan
2
,
Fakultas Ilmu Komputer,Universitas Sriwijaya
 
E
 
26 J
URNAL
G
ENERIC
Saparudin dan Edvin RamadhanThinning yang digunakan adalah konsep algoritma BarukhO's , Chouinard C dan Plamondon R, dimana objek utamaadalah gambar sinyal ECG.
 Image Smoothing
Algoritma
Smoothing
diterapkan untuk mengurangi
noise
 dan berfungsi untuk menyiapkan gambar untuk diproseslebih lanjut seperti pada proses segmentasi.
GaussianFiltering
adalah filter yang ideal yang mampu mengurangibesarnya frekuensi spasial yang tinggi dalam foto sebandingdengan frekuensi mereka. Artinya, metode ini mampumengurangi besarnya frekuensi yang lebih tinggi lagi.
Gaussian
 
Filtering
mampu meluas hingga ke segala arah,tetapi karena mendekati nol secara eksponensial, dapatdipotong tiga atau empat standar deviasi dari pusat tanpamempengaruhi hasilnya.Gausian filtering mampu bekerja lebih cepat dari metodemean dan median dengan memisahkan sebuah Gaussian 2-Dmenjadi dua Gaussians 1-D, G (x, y) = G (x) G (y), danmelakukan
Filtering
dalam 1-D, baris demi baris dankemudian kolom ke kolom. Dasar dari
Gaussian
 
 filtering
 dapat dirumuskan sebagai berikut :
hx,yg

x,y
 
√ 
e


√ 
e


 
 g

x.g

y
(2)dimana,
,
= Gaussian filter 2-D pixel (x,y)

,
= Gaussian filter 2-D pixel (x,y)
=
 Bandwith Kernel
, Standar Populasi Kernel

= Gaussian filter 1-D line (x)

 
= Gaussian filter 1-D line (y)Ada beberapa cara yang berbeda untuk mengimplementasikan
Gaussian
 
 filtering,
salahsatunyamenggunakan
Spatial Filter 
, konvolusi ini menggunakanOperator Gaussian Smoothing 2-D yang mirip dengan filter1-D, tetapi menggunakan kernel yang berbeda yangmewakili bentuk Gaussian 1-D untuk nilai X dan nilaiGaussian 1-D untuk nilai Y. Sehingga konvolusi initermasuk tipe
non linear kernel.
Dalam
Spatial Filter 
 digunakan persamaan :

,


 (2)
 
Ide
Gaussian smoothing
ini adalah dengan menggunakandistribusi ini 2-D sebagai fungsi ‘titik-menyebar’ atau lebihdikenal dengan ‘point-spread’, dan ini dicapai dengankonvolusi. Gambar disimpan sebagai koleksi
discrete pixels,
 sehingga perlu dihasilkan pendekatan diskrit ke fungsi
Gaussian
sebelum kita dapat melakukan konvolusi tersebut.Secara teori, distribusi
Gaussian
adalah non-nol di mana-mana, yang akan membutuhkan sebuah kernel konvolusibesar tak berhingga, tetapi dalam prakteknya nol efektif lebih dari sekitar tiga standar deviasi dari mean, dansehingga dapat dilakukan pemotongan kernel.Operator berikut akan menunjukkan sebuah
kernel
 konvolusi yang memiliki nilai integer sebuah
Kernel
 
Gaussian
yang mendekati
= 1,4.
11592 4 5 4 24 9 12 9 45 12 15 12 54 9 12 9 42 4 5 4 2
 Gambar 2. Kernel Operator Gaussian dengan
= 1.4SebelumSesudahGambar 3. Hasil Smoothing dengan Gaussian
 Image Segmentation
 Segmentasi merupakan proses mempartisi citra menjadibeberapa daerah atau objek. Segmentasi citra padaumumnya berdasar pada sifat
discontinuity
atau
similarity
 dari intensitas
 piksel
. Pendekatan
discontinuity
, mempartisicitra bila terdapat perubahan intensitas secara tiba-tiba (
edgebased 
), dan Pendekatan
similarity
, mempartisi citra menjadidaerah-daerah yang memiliki kesamaan sifat tertentu(
region based 
), contoh:
thresholding
,
region
 
growing
,
region
 
splitting
dan
merging
(Aniati Murni 2008).Proses segmentasi dilakukan dengan membagi citra kedalam beberapa kategori objek sesuai denganpengelompokan tingkat keabuan yang terjadi padahistogram. Teknik ini sering disebut sebagai pengambangan(
thresholding
), apabila citra hanya dibagi menjadi 2 tingkatkeabuan dengan hanya 1 nilai ambang (
threshold 
)
 
makadisebut
single
 
thresholding
, sedangkan apabila citra dibagimenjadi lebih dari 2 tingkat keabuan dengan lebih dari 1
 
Vol. 5 No.1 (Januari 2010) J
URNAL
G
ENERIC
27ISSN 1907-4093 / © 2010 J
URNAL
G
ENERIC
 
nilai ambang, maka disebut
multiple
 
thresholding
.Adapun langkah – langkah perhitungan yang dilakukanuntuk menentukan nilai
threshold 
adalah :1)
 
Tentukan sebuah nilai ambang
;2)
 
Kelompokkan tingkat keabuan citra bedasarkan nilaiambang tersebut sehingga diperoleh 2 kelompok nilaitingkat keabuan
G
1
dan
G
2
 3)
 
Hitung rata – rata nilai tingkat keabuan kedua kelompok tersebutm
1
= µ(G
1
) (3)m
2
= µ(G
2
) (4)4)
 
Tentukan nilai ambang
 
baru yang merupakan rata – ratadari
m
1
dan
m
2
 
'12
2
mm
+=
(5)5)
 
Bandingkan nilai
dengan
'
, apabila nilai
dan
'
 tidak sama maka langkah 1- 4 akan diulangi dengan
'
 sebagai
 
6)
 
Proses akan terus dilakukan sampai diperoleh nilai
'
 yang sama dengan
 Berdasarkan hal tersebut segmentasi dapat dilakukandengan melakukan pengambangan berdasarkan varian.Pertama – tama kelompokkan citra menjadi blok – blok berukuran WxW. Lalu hitung varian masing – masing blok dengan rumus :
112200
1()((,)())
Wij
VkIijM
==
=
(6)
 
dimana,
(
) = Varian blok ke-
 
= Ukuran blok 
 M 
(
) = Nilai rata rata tingkat keabuan blok ke-
 
(,)
ij
= Koordinat piksel pada blok citraApabila nilai varian suatu blok lebih kecil dari nilaiambang, maka blok tersebut akan di-set sebagai latarbelakang, sebaliknya apabila nilai varian suatu blok lebihbesar daripada nilai ambang, maka blok tersebut akan di-setsebagai latar depan (Thai,2003).
 Image Normalization
 
 Image Normalization
merupakan salah satu cara untuk menghilangkan bagian gambar yang tidak relevan denganobjek identitasnya atau tidak diperlukan pada suatu
image
,seperti
noise
, pencahayaan, atau oklusi. Tujuannya adalahuntuk mendapatkan gambar standar yang ada pada
image
 tersebut. Pada dasarnya normalisasi adalah suatu prosesperegangan kontras (
contrast streching
).Normalisasi adalah suatu proses linear, berikut adalahpersamaan yang dapat digunakan untuk menunjukkan prosesnormalisasi :
200200
((,)),untuk (,)((,)),lainnya
(,)
Varij MijVARVarij M VAR
Gij
+>
=
(7)dimana,
(,)
Gij
= Tingkat keabuan piksel setelah normalisasi
(,)
ij
= Koordinat piksel
 M 
= Nilai rata – rata piksel citra
0
 M 
= Nilai ekspektasi rata – rata piksel
Va
= Varian piksel citra
0
Va
= Nilai ekspektasi varian pikselHasil normalisasi sangat bergantung pada
0
 M 
dan
0
Va
,apabila nilai yang ditetukan terlalu rendah citra akanmenjadi terlalu gelap, sedangkan apabila nilai yangditentukan terlalu tinggi citra akan menjadi terlalu terang.Untuk itu pada tugas akhir ini diambil nilai yang tidak terlalu tinggi dan tidak terlalu rendah yaitu
0
 M 
= 100 dan
0
Va
= 100.
 Image Thinning
 Secara tradisional, algoritma
Thinning
dilakukan denganpenghapusan piksel kontur secara iteratif. Namun, Barukh O(1988) menyatakan bahwa “
Thinning algorithms should not be limited only to those iterative contour removal methods,they should cover all methods aiming to extract theskeleton
”. Berdasarkan algoritma Barukh O's , Chouinard Cdan Plamondon R ditunjukkan bahwa
thinning
 
algorithm
(C&P
algorithm
) dalam beberapa tahapan.Pertama,
scan
seluruh gambar secara horizontal danvertikal untuk memilih dua
 poin
kontur yang terletak di duasisi dari garis dengan lebar baris terkecil. Masing-masing
 poin
ditunjukkan oleh PL dan PR.Ikuti garis sinkron dengan dua pointer kontur PL dan PR.Pada setiap langkah, jendela dibentuk sesuai dengan posisisaat ini PL dan PR. Analisa posisi yang didapat saat iniuntuk menentukan tindakan dalam langkah selanjutnya.Jika baris berakhir di posisi sekarang, berhenti menelusuriarus dan tentukan
end point 
, Jika ada sebuah persimpanganpada posisi tersebut, lanjutkan rekursif menelusuri setiapcabang baru, jika tidak keduanya, terus melacak untuk posisiselanjutnya. Rekam setiap pusat jendela sebagai titik kerangka garis, semua titik kerangka dihubungkan untuk membentuk rangkaian kerangka daris tersebut.Gambar 4. Analisis PosisiTandai titik pembentuk kerangka (
Skeleton
) setiap kalimenelusuri kontur,
token
(titik yang ditandai) tersebut dapatdigunakan sebagai dasar untuk pengenalan karakter.Pada algoritma masih digunakan metode
window
 
definition
,
window
 
shifting
dan
window
 
analysis
seperti dialgoritma C & P. Konsep
Window
yang diwarisi darialgoritma C & P tersebut dapat didefinisikan sebagai
Window Definition, Window Shifting,
dan
Window Analysis

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->