BAB I PENDAHULUAN

1.1 Latar Belakang
Kemajuan teknologi dan informasi pada abad ini berkembang begitu pesat. Kemajuan teknologi ini juga meliputi dunia kesehatan. Diantaranya adalah proses pengolahan citra medis. Citra medis adalah citra yang diciptakan dalam rangka mengdiagnosis atau mendeteksi suatu penyakit dan untuk ilmu pengetahuan media (mencakup studi anatomi dan fungsinya). Citra medis memiliki keunggulan yaitu dapat mendeteksi penyakit tanpa perlu adanya pembedahan terhadap tubuh yang akan dideteksi. Salah satu perkembangan teknologi yang berkaitan dengan kesehatan (biomedical mammogram. Mamogram merupakan suatu proses tes untuk melihat adanya kelainan pada payudara. Tes ini menggunakan mesin khusus dengan sinar-x dosis rendah untuk mengambil gambar kedua payudara (mammografi). Citra mammografi direkam dalam suatu film sinar-x atau langsung menuju komputer untuk dilihat oleh seorang ahli radiologi. Dengan citra mammografi, memungkinkan dokter untuk melihat dengan lebih jelas benjolan/gumpalan pada payudara dan perubahan pada jaringan payudara. Penelitian sebelumnya mengenai pengolahan citra medis diantaranya ditulis oleh Yessi Jusman dalam tugas akhir berjudul “Visualisasi Detektor Edge Detection terbaik pada Citra Mammography”, (Jusman, 2008), membahas perbandingan lima jenis detektor tepi untuk citra mammografi dan dinyatakan bahwa operator engineering) ini adalah perkembangan teknologi

1

Canny adalah operator terbaik dalam deteksi tepi citra mammografi. Beberapa jurnal diantaranya ditulis oleh Nikolas Petteri Tiilikainen berjudul “A Comparative Study of Active Contour Snakes”, (Tiilikainen, 2007), menjabarkan perbedaan beberapa active contour snake. Serta salah satu jurnal IEEE berjudul “Active Contour Wihout Edges” yang ditulis oleh Tony E. Chan dan Luminita A. Vese, (Chan & Vese, 2001), mengenai pengembangan persamaan active contour tanpa menggunakan edge pada proses segmentasi citra. Berdasarkan penelitian dan jurnal-jurnal tersebut maka penulis tertarik untuk mengimplimentasikan metode active contour pada citra mammografi, sehingga dapat dibandingkan dengan metode sebelumnya yaitu deteksi tepi menggunakan operator. Analisis ini akan ditulis dalam penelitian tugas akhir yang diberi judul “Analisis Perbandingan Hasil Deteksi Tepi Citra Kanker pada Mammografi antara Metode Canny Edge Detector dan Metode Active Contour Snake Persamaan Chan-Vese1 dengan Menggunakan Perbandingan Piksel Putih”.

1.2 Tujuan Penelitian
Tujuan yang akan dicapai dari penelitian ini adalah 1. Didapatkan hasil deteksi tepi citra mammografi berupa sel kanker dengan menggunakan metode active contour 2. Membandingkan hasil deteksi tepi active contour dan operator Canny dengan menggunakan perbandingan piksel putih

1

Selanjutnya disebut active contour

2

1.3 Manfaat Penelitian
Perancangan ini diharapkan 1. Menjadi referensi tambahan dalam penelitian pengolahan citra, khususnya citra medis 2. Mempermudah pengenalan citra objek yang akan dideteksi (dalam kasus ini, sel kanker pada mammografi)

1.4 Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah 1. Citra original yang digunakan adalah citra mammografi bersel kanker dalam bentuk dua dimensi dengan tipe data *.jpg 2. Teknik pengolahan citra yang digunakan adalah deteksi tepi citra menggunakan metode active contour snake persamaan Chan-Vese 3. Hasil deteksi tepi akan dibandingkan dengan penelitian sebelumnya dengan menggunakan perbandingan piksel putih 4. Penelitian ini disimulasikan pada software MatLab R2010a

1.5 Sistematika Penulisan
BAB PENDAHULUAN Bab ini berisikan Latar Belakang, Tujuan Penelitian, Manfaat Penelitian, Batasan Masalah, dan Sistematika Penulisan. I

3

Sampel Desain.BAB TINJAUAN PUSTAKA II Bab ini berisi beberapa teori dasar untuk mendukung penelitian Tugas Akhir ini. diantaranya teori mengenai Citra. Active Contour Persamaan Chan-Vese. beserta penjelasan mengenai sistem yang akan dirancang. dan Prosedur Penelitian yang akan dilakukan. langkah-langkah. Teknik Analisis Sistem. Mammogram/Mammografi. BAB IV PERANCANGAN SISTEM Bab ini berisikan tentang perancangan sistem secara terperinci. dan Piksel Putih. Deteksi Tepi dan Segmentasi. BAB METODOLOGI PENELITIAN Bab ini berisikan Jenis penelitian. BAB V HASIL DAN PEMBAHASAN Bab ini akan berisikan analisis terhadap keluaran sistem yang diperoleh dari pengujian sistem itu sendiri. Desain Penelitian. III 4 . BAB V PENUTUP Bab ini berisikan beberapa kesimpulan dan saran yang bisa ditarik dan disampaikan dengan didasari hasil dan pembahasan dari penelitian ini.

2. (N. sehingga bayangan objek yang disebut citra tersebut terekam. misalnya mata pada manusia. citra2 (image) adalah gambar pada bidang dwimatra (dua dimensi).1 Pengertian Citra Secara harfiah. 1 adalah salah satu contoh citra dua dimensi. Pantulan cahaya ini ditangkap oleh oleh alat-alat optik. sumber cahaya menerangi objek. objek memantulkan kembali sebagian dari berkas cahaya tersebut. Gambar 2. Kata “citra” lebih banyak digunakan pada materi yang berkaitan dengan konseptual dan teknis sementara kata “gambar” mengacu pada objek yang dibicarakan dalam kehidupan sehari-hari. citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Ditinjau dari sudut pandang matematis. Gambar 2. Citra Kontinu 2 Kata “gambar” dan “citra” mengacu pada objek yang sama. kamera. pemindai (scanner). 5 . 2011): 1.1. citra dibagi kedalam dua macam.pdf).BAB II TINJAUAN PUSTAKA 2. dan sebagainya. Pada Gambar 2..1 Citra 2. (Bab-1_Pengantar Pengolahan Citra. 1 Contoh citra dua dimensi Secara garis besar.

Citra Diskrit / Citra Digital Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinu.y) ≤1 yang ditentukan oleh karakteristik obyek di dalam citra. r(x.y).y) : intensitas cahaya (brightness) pada titik (x. Dimana jika r(x. 2.y)=1 mengindikasikan pemantulan total. Contohnya kamera digital dan scanner.1.y) : koordinat pada bidang 2D f (x. r(x.y) Dimana : i(x.y) ≤ ∞ yang ditentukan oleh sumber cahaya. maka intensitas cahaya bernilai antara 0 sampai tidak berhingga.y)=0 mengindikasikan penyerapan total.y) .y) : jumlah cahaya yang berasal dari sumbernya (illumination) yang nilainya berada pada rentang 0 ≤ i(x. r(x.y) ≤ ∞ f(x. Karena cahaya merupakan bentuk energi. dimana (x. Contohnya mata manusia dan kamera analog.y).y) : derajat kemampuan obyek memantulkan cahaya (reflection) yang rentang nilainya 0 ≤ r(x.y) = i(x. 0 ≤ f(x.Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog. 6 .2 Pembentukan Citra Citra merupakan fungsi kontinu dari intensitas cahaya pada bidang 2D. Dimana secara matematis fungsi intensitas cahaya pada bidang 2D disimbolkan dengan f(x. 2.

y) menyatakan intensitas cahaya pada koordinat (x. Objek memantulkan cahaya yang diterimanya dengan derajat pantulan r(x.. 2011). Gambar 2.Proses pembentukan citra dapat direpresentasikan pada Gambar 2.y). Hasil kali antara i(x. sedangkan r(x.y).y) juga nol. Jumlah pancaran (iluminasi) cahaya yang diterima objek pada koordinat (x. 7 . tergantung kualitas sensor visual tersebut.y) ditentukan oleh karakteristik objek dalam gambar.y) = 1 menyatakan pemantulan total. Sumber cahaya mempengaruhi besarnya nilai i(x. Jika permukaan mempunyai derajat pemantulan nol.y) yang ditangkap oleh sensor visual pada sistem optik.y) adalah i(x.y). Nilai r(x.y) dan r(x. sehingga dapat dinyatakan dengan persamaan f(x. maka fungsi intensitas cahaya sama dengan iluminasi yang diterima oleh permukaan tersebut. (N. 2. ini berarti citra yang ditangkap oleh sensor visual mendekati aslinya. 2 Proses pembentukan citra Permukaan objek mendapatkan sinar dari sumber cahaya. Sebaliknya. maka fungsi intensitas cahaya f(x.y) = 0 mengindikasikan penyerapan total. yang artinya gambar tidak dapat ditangkap oleh sensor visual. sedangkan r(x. jika permukaan mempunyai derajat pemantulan 1.y).

154  Gambar 2. Gambar 2. Sebagai contoh.3 Digitalisasi Citra Suatu citra harus direpresentasikan secara numerik dengan nilai-nilai diskrit dengan tujuan agar dapat diolah dengan komputer digital.. (N.2. 4 Contoh matriks digital 8 .. 189     : : : : :    122 210 213 . Representasi citra dari fungsi kontinu menjadi nilai-nilai diskrit disebut digitalisasi. 4. Gambar 2. picture element atau pixel (piksel).. 2011).j) merupakan intensitas (derajat keabuan) pada titik (i. 3 Matriks digital NxM Indeks baris (i) dan indeks kolom (j) menyatakan suatu koordinat titik pada citra. misalkan sebuah citra berukuran 256x256 piksel dan direpresentasikan secara numerik dengan matriks yang terdiri dari 256 baris (indeks dari 0 sampai 255) dan 256 buah kolom (indeks dari 0 sampai 255) seperti pada Gambar 2. Pada umumnya citra digital berbentuk empat persegi panjang. Citra yang dihasilkan inilah yang disebut citra digital... dan dimensi ukurannya dinyatakan sebagai tinggi x lebar (atau lebar x panjang). sedangkan f(i.  0 125 135 . Jadi.. Masingmasing elemen pada citra digital (elemen matriks) disebut image element. 232  0 130 231 . citra yang berukuran NxM mempunyai NM buah piksel.j). Citra digital yang berukuran N x M.. 3. lazim dinyatakan dengan matriks yang berukuran N baris dan M kolom.1.

semakin halus gambar yang diperoleh karena informasi yang hilang akibat pengelompokkan derajat keabuan pada pen-sampling-an semakin kecil. yang berarti semakin kecil ukuran piksel (atau semakin banyak jumlah pikselnya). sering disebut sebagai sampling. 5. Untuk memudahkan implementasi. Dengan kata lain sampling pada citra menyatakan besar kecilnya ukuran piksel pada citra. Semakin tinggi resolusinya. 5 Proses digitalisasi citra analog ke digital Proses digitalisasi citra sama dengan proses konversi sinyal analog ke digital. Sampling menyatakan besarnya kotak-kotak yang disusun dalam baris dan kolom. y). 9 . N= jumlah sampling pada suatu baris/kolom n = bilangan bulat positif Pembagian gambar menjadi ukuran tertentu menentukan resolusi spasial yang diperoleh. dapat dijabarkan menjadi dua proses yaitu: a) Digitalisasi spasial (x. dijelaskan pada Gambar 2. jumlah sampling biasanya diasumsikan perpangkatan dari dua: N  2n dimana .Gambar 2.

b) Digitalisasi intensitas f(x. Citra sering diasosiasikan dengan 10 . dengan kata lain kuantisasi pada citra menyatakan jumlah warna yang ada pada citra. G = 2m dimana. sering disebut sebagai kuantisasi. Setelah proses sampling pada citra maka proses selanjutnya adalah kuantisasi. biasanya G diambil perpangkatan dari 2. Skala keabuan 21 (2 nilai) 22 (4 nilai) 24 (16 nilai) 28 (256 nilai) Rentang nilai keabuan 0.1 berikut ini adalah tabel kuantisasi citra dengan skala keabuan yang berbeda-beda. G = derajat keabuan m = bilangan bulat positif Tabel 2.1 0 sampai 3 0 sampai 15 0 sampai 255 Pixel depth 1 bit 2 bit 4 bit 8 bit Tabel 2. y). 1 Kuantisasi Citra dengan Skala Keabuan yang Berbeda Jumlah bit yang dibutuhkan untuk mempresentasikan nilai keabuan piksel disebut kedalaman piksel (pixel depth). Proses kuantisasi membagi skala keabuan (0. Kuantisasi menyatakan besarnya nilai tingkat kecerahan yang dinyatakan dalam nilai tingkat keabuan (grayscale) sesuai dengan jumlah bit biner yang digunakan. L) menjadi G buah level yang dinyatakan dengan suatu harga bilangan bulat (integer).

Contoh: citra hitam-putih dengan 256 level.kedalaman pikselnya.255]. Semakin banyak jumlah derajat keabuan (berarti jumlah bit kuantisasinya makin banyak).y).y)).1.y)). artinya mempunyai skala abu-abu dari 0 sampai 255 atau [0. Hal ini karena warna pada citra disusun oleh tiga komponen warna RGB (Red-Green-Blue). citra dengan kedalaman 8 bit disebut juga citra 8bit (atau citra 256 warna. Intensitas suatu titik pada citra berwarna merupakan kombinasi dari intesitas : merah (fmerah(x. 2. hijau (fhijau(x. dalam hal ini nilai 0 menyatakan hitam dan 255 menyatakan putih. Dimana skala keabuan memiliki rentang yang ditunjukkan [0. Citra medis 11 . semakin bagus gambar yang diperoleh. Jadi. nilai antara 0 sampai 255 menyatakan warna keabuan yang terletak antara hitam dan putih. G = 256 = 28 ).L] antara lmin< f < lmax dimana intensitas 0 menyatakan hitam dan L menyatakan putih. Derajat keabuan (grey level) merupakan intensitas f citra hitam-putih pada titik (x. dikenal dengan istilah biomedic image processing.y)) dan biru (fbiru(x.4 Citra Medis Khusus pada pengolahan citra pada bidang kedokteran. Citra medis adalah citra yang diciptakan dalam rangka mengdiagnosis atau mendeteksi suatu penyakit dan untuk ilmu pengetahuan media (mencakup studi anatomi dan fungsinya). Derajat keabuan bergerak dari hitam ke putih. Citra berwarna dikatakan sebagai citra spektral.

yaitu suatu tes untuk mengambil sejumlah kecil jaringan dari benjolan dan daerah sekitar benjolan. dan perilaku. Jaringan tersebut dikirim ke laboratorium untuk dicari adanya kanker atau perubahan-perubahan yang dapat menunjukkan bahwa terdapat adanya kanker. & Tannenbaum. Mendasarkan pada model-model data yang diambil dari gambar terus menjadi teknik dasar untuk mencapai kemajuan ilmiah dalam penelitian eksperimental. (Angenent. Masalah yang sering timbul pada pengolahan citra medis: 1.1 Definisi Mammografi merupakan proses skrining dalam bidang kedokteran yang digunakan untuk menemukan kanker payudara. dokter akan melakukan tes-tes lainnya seperti USG atau biopsi. Jika kanker payudara ditemukan secara dini berarti 12 . Tingginya level noise 3. Benjolan atau pertumbuhan di payudara dapat bersifat jinak (bukan kanker) atau ganas (kanker). Deformasi secara geometris 5. Jika suatu benjolan ditemukan. Ketepatan pencitraan (misal) organ 2. 2000). 2005).memiliki keunggulan yaitu dapat mendeteksi penyakit tanpa perlu adanya pembedahan terhadap tubuh yang akan dideteksi. citra medis menjadi dasar dari komputasi biomedis. Resolusi yang rendah (pada domain spasial dan spectral) 2. biomedis. (Mawaddatun. klinis.2 Mammogram/Mammografi 2. Pichon. Dalam model matematis.2. Kontras yang rendah 4.

2. Hasilnya direkam dalam suatu film sinar-x atau langsung menuju komputer untuk dilihat oleh seorang ahli radiologi. Dengan adanya citra mammografi. Selain itu lebih banyak pilihan terapi yang tersedia bila kanker payudara ditemukan dini.perempuan tersebut memiliki kemungkinan bertahan (survival) dari penyakit ini lebih baik. Sebagaimana penggunaan sinar-x lainnya. dan/atau Magnetic Resonance5 merupakan beberapa teknik lain yang juga digunakan untuk memperkuat hasil mammografi. mammogram menggunakan radiasi ion untuk menghasilkan gambar. Proses pemeriksaan payudara manusia dengan perangkat mammografi menggunakan sinar-x dosis rendah untuk mengambil gambar kedua payudara (citra mammografi). memungkinkan dokter untuk melihat dengan lebih jelas benjolan pada payudara dan perubahan di jaringan payudara. Ductography4. 5 MRI (Magnetic Resonance Imaging) 13 . 6 masih menjadi standar terbaik untuk screening dini kanker payudara. ditunjukkan pada Gambar 2. Ultrasound3. Magnetic Resonance Imaging (MRI) digunakan untuk evaluasi lanjutan atau sebelum operasi untuk melihat adanya daerah abnormal lainnya.2 Perangkat Mammografi Perangkat mammografi. 2. Radiolog kemudian menganalisis gambar untuk menemukan adanya pertumbuhan yang abnormal. Ductogram digunakan untuk mengevaluasi darah yang keluar dari puting. 3 4 USG (Ultrasound-Based Diagnostic) Ductograms hanya digunakan di beberapa lembaga untuk evaluasi lanjut ketika nipple berdarah.

Sinar-x yang dipancarkan akan kehilangan sebagian energinya pada saat melewati struktur tubuh. Gambar 2. 7 Perangkat mammografi Sinar-x yang dihasilkan dari radiasi elektromagnetik merupakan sinar yang memiliki frekuensi yang sangat tinggi yang berarti memiliki energi foton yang tinggi sehingga dapat menembus jaringan tubuh. terdapat tiga komponen untuk menghasilkan citra mammografi yaitu: perangkat kamera. 2008). Absorpsi. Difusi dari energi 14 . 6 Mammogram screening Dalam sistemnya.Gambar 2. seperti pada Gambar 2. dan plat film. fungsi ketebalan dan sifat dari substansi yang dilewati b. 7. radiasi sinar-x. (Jusman. Pelemahan sinar tersebut disebabkan adanya 2 fenomena yang terjadi yaitu: a.

Akibat dari kedua fenomena ini. (Jusman. 8 Citra mammografi Biasanya citra mammografi memiliki kekontrasan rendah seperti Gambar 2. Sehingga tubuh manusia yang disinari oleh sinar-x akan kelihatan transparan. Sinar keluar tersebut kemudian menembus sebuah plat berpendar yang akan menghasilkan citra radiologi. Secara umum. Citra payudara (mammografi) yang diperoleh dari hasil proses radiografi merupakan proses khusus untuk mengamati jaringan halus pada tubuh manusia. yang membedakan mammografi dari radiografi biasa adalah sebagai berikut. Hal ini merupakan hambatan yang harus diperhitungkan karena sulit menentukan batas-batas luar dari sel-sel yang 15 . distribusi energi pancaran sinar-x sama pada saat masuk. Gambar 2. a. b. 2008). sehingga menyulitkan pengamatan. Memakai film dengan butir khusus yang mempunyai kontras dan resolusi yang tinggi. 8. tetapi berbeda-beda pada saat keluar. Sinar-x-nya dibangkitkan pada tegangan rendah (20-35 kvp) jika dibandingkan dengan radiografi biasa (60-120 kvp) yang digunakan untuk membuat film.

2.terinfeksi. 10. Dimana hasil sampel dapat dilihat pada Gambar 2. 16 . Maka pada citra yang mempunyai kontras yang rendah diharapkan perangkat lunak dapat mengidentifikasi (dengan menajamkan batas-batas citranya) untuk kemudian digunkana sebagai panduan oleh tenaga medis. 9 Proses pengambilan citra mamogram Secara medis dapat dilakukan/dipastikan melalui pemeriksaan mammografi. Teknisi radiologi akan membantu pengambilan foto rontgen. 2. payudara (satu per satu) diletakkan di antara dua bidang plastik. seperti terlihat pada Gambar 2. dari samping dan dari atas. Pada umumnya sampel gambar diambil sebanyak dua kali dari masing-masing payudara. Payudara akan ditekan selama beberapa detik. 9. Bidang ini kemudian menekan payudara untuk meratakannya. Gambar 2. Apalagi jika kondisi tubuh sedang lemah yang mengakibatkan mata manusia juga menjadi lelah segingga mengganggu konsentasi.3 Proses Screening pada Mammogram Pasien berdiri didepan mesin sinar X khusus.

2007): • • • • • Sensitifitas kontras (contrast sensitivity). Kekaburan (blurring).Gambar 2. Secara visual. Bercak (artefak). seorang dokter ahli dapat mengenali adanya ketidaknormalan payudara dengan melihat karakteristik yang terlihat pada citra tersebut. 10 Sample hasil mammografi kiri : normal. (Jauhari. Kejernihan tampak (visual noise). Detil bagian (spatial/geometric) Mengingat fungsi citra medis dalam bidang kedokteran maka analisis citra medis membutuhkan tingkat akurasi yang tinggi. Karakteristik yang dimaksud disini adalah payudara kiri dengan kanan 17 . khususnya dalam diagnosa penyakit kanker.4 Karakteristik Citra Mammografi Mutu citra (image quality) yang dihasilkan mencakup semua faktor yang mampu memperlihatkan struktur tubuh bagian dalam manuasia secara jelas dan tepat. kanan: terdapat sel kanker 2. Mutu citra dan kenampakan struktur anatomi bagian dalam dapat di perlihatkan dengan jelas dengan memperhatikan faktor-faktor berikut.2.

komputer dapat mengenali karakteristik ketidaknormalan citra mamografi dari ketidaknormalan struktur dalam citra mamografi dapat dikenali melalui ada tidaknya mikrokalsifikasi. 2009). Beberapa metode deteksi tepi yang dibahas adalah terdiri dari: 1. Deteksi tepi dengan gradien pertama 3. batas benjolan. 2. dan adanya mikrokalsifikasi. Dalam beberapa penelitian. (Putra. dan sebaran jaringan juga berdasarkan bentuk dan area kecerahan citra kemudian mengembangkan algoritma untuk melokalisasi area yang dicurigai terdapat tumor/kanker. adanya benjolan. 2009). Deteksi tepi dengan cara geser dan selisih citra 5. (Sadukh. Deteksi segmen-segmen baris 18 .1 Definisi Deteksi Tepi Deteksi tepi merupakan salah satu proses pra-pengolahan yang sering dibutuhkan pada analisis citra. Deteksi tepi dengan gradien arah 4.terlihat tidak simetris. Deteksi tepi dengan gradien kedua 6.3.3 Deteksi Tepi dan Segmentasi 2. Deteksi tepi dengan nilai ambang 2. jadi prosesnya mempunyai sifat diferensiasi atau memperkuat komponen frekuensi tinggi. Proses tersebut bertujuan untuk meningkatkan penampakan garis pada citra. adanya penyebaran struktur jaringan payudara.

dapat diasumsikan bahwa edge merupakan batas antara 2 daerah gambar dengan level abu-abu yang memiliki perbedaan level atau intensitas yang jelas atau nyata. Sederhananya. 2008). Penapis lolos-tinggi pada deteksi tepi berfungsi dimana piksel-piksel tepi ditampilkan lebih terang sedangkan piksel-piksel bukan tepi dibuat gelap (hitam).Inti dari deteksi tepi adalah untuk menampilkan tepi-tepi citra akan lebih jelas yang sebelumnya dilakukan proses pengubahan citra aras keabuan menjadi citra hitam putih. Karena tepi termasuk ke dalam komponen berfrekuensi tinggi maka pendeteksian tepi dapat dilakukan dengan penapis lolos-tinggi (high pass filter) yaitu dengan memperkuat komponen yang berfrekuensi tinggi dan menurunkan komponen frekuensi rendah. (Jusman. Gambar 2. Akibatnya pinggiran atau tepi objek terlihat lebih tajam dibandingkan sekitarnya. Tujuan operasi pendeteksian tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra. Sehingga didapatkan citra yang telah terpisah antar latar depan dengan latar belakangnya. Contoh hasil citra dengan deteksi tepi ditampilkan pada Gambar 2. 11. 11 Citra dengan deteksi tepi Edge mengandung informasi penting mengenai bentuk objek yaitu bentuk tepian atau batas-batas objek. 19 .

Ada beberapa teknik yang digunakan untuk mendeteksi tepi. Algoritma deteksi tepi Canny dijelaskan sebagai berikut: 1. antara lain operator gradien pertama (differential gradien). 2. Sehingga perbedaan operator pada koefisien penyusun mask menimbulkan perbedaan karakteristik atau kinerja dari operator tersebut untuk menghasilkan edge terbaik. Hal ini akan menghasilkan gradien citra dan melakukan proses non-maximum suppression. menjadi deskripsi data simbolik yang memuat edge yaitu mendukung asumsi bahwa edge muncul pada perbatasan dua daerah dengan level intensitas yang berbeda dimana kedua daerah mewakili level intensitas yang homogen. Penerapan filter Gaussian untuk mengurangi noise 20 . Langkah pertama yang dikalkukan pada deteksi tepi Canny adalah menghaluskan citra untuk menghilangkan noise. Teknik deteksi edge pada dasarnya merupakan aplikasi operasi differensial persial dalam lingkungan lokal sebuah gambar. (Putra.2 Operator Edge Detection Secara umum deteksi tepi adalah mengkonvolusi citra masukan dengan mask tertentu. Perbedaan tiap operator terletak pada koefisien pembentuk mask dan ukuran mask dari setiap operator. Dapat diasumsikan sebagai tranfromasi dari dara numerik berupa level intensitas piksel. operator turunan kedua (Laplacian). yaitu meredam setiap piksel yang tidak dalam nilai maksimum. Salah satu algoritma deteksi tepi adalah deteksi tepi menggunakan metode Canny.3. Proses tersebut mengakibatkan nilai larik gradien berkurang secara berkelanjutan. 2009). dan operator kompas (compass operator).

Mencari nilai tepi dengan menghitung gradien citra Mencari arah tepi setelah nilai gradien x dan y diketahui Menghubungkan arah tepi yang dapat ditelusuri sesuai dengan gambar aslinya 5.4 Segmentasi Proses segmentasi mempunyai tujuan yang hampir serupa dengan proses klasifikasi tidak terpandu. 6. 2. Dalam prosesnya piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang diberikan akan diubah menjadi nilai 0 (hitam) dan piksel yang memiliki derajat keabuan lebih besar dari besar dari batas akan diubah menjadi bernilai 1 (putih). 2.3 Thresholding Untuk menentukan apakan suatu piksel merupakan tepi atau bukan tepi dinyatakan dengan operasi thresholding (pengambangan).3. Proses non-maximum suppression Proses hysterisis untuk menghilangkan streaking6. 4. 3. Citra yang diperoleh kemudian akan terdiri atas bagian-bagian objek dan objek dan bagian latar belakang. Memilih 6 Proses perusakan sekeliling tepi yang diakibatkan oleh nilai output 21 . yaitu pemisahan piksel yang mempunyai derajat keabuan yang berbeda.3.2. Istilah segmentasi citra itu sendiri mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel-piksel tetangganya.

(Chan & Vese. Kurva parametrik hanya memiliki satu s parameter independen yang bervariasi selama suatu interval tertentu. Active contour mencoba untuk meningkatkan meningkatkan kualitas seperti pada continuity dan smoothness pada contour objek. Dengan menggunakan 22 . 2007). Banyak dari teknik edge tidak berkelanjutan. Dengan demikian.4 Active Contour Persamaan Chan-Vese 2. pemgambangan didefinisikan sebagai proses pendefinisian jangkauan nilai-nilai gelap-terang pada citra yang sebenarnya. memilih pikselpiksel dalam jangkauan ini sebagai latar depan dan sisanya sebagai latar belakang. seperti kemungkinanan adanya lubang di area yang dideteksi. atau warna-warna yang membatasi setiap wilayah. Yang berarti pendekatan active contour menambah derajat tertentu pada teorema sebelumnya dengan mengurai beberapa permasalahan yang ditemukan sebelumnya. (Tiilikainen. yaitu bagian hitam dan bagian putih. Bagian penting dari deteksi kontur ini adalah mendeteksi border yang menonjol dari sebuah objek. citra terbagi atas dua bagian.4. dan edge palsu yang bisa ditampilkan akibat noise.1 Definisi Kontur Aktif Active contours digunakan dalam domain pengolahan citra untuk melokasikan kontur suatu objek. 1]. 2001). 2.bentuk-bentuk dalam sebuah citra sangat berguna dalam pengukuran atau pemahaman citra. Secara tradisional. Mencoba untuk melokasikan sebuah objek contour dengan bersih dengan menggunakan uji pengolahan citra level rendah seperti Canny Edge Detection yang kurang teliti. biasanya [0.

Gambar 2. ( )] dengan ∈ [0. dalam prakteknya kurva yang sering tertutup berarti Selanjutnya kurva diasumsikan parameterized oleh panjang busur. Snake merupakan kurva parametrik 23 .4. Misalnya didapat beberapa nilai y dengan nilai x-tunggal.representasi parametrik. 12 Ilustrasi dari kurva parametrik v(s) 2. Witkin. 1]. ini adalah mudah untuk melihat dalam bentuk parametrik dari lingkaran satuan dengan pusat di asal yang akhirnya dengan menggunakan representasi parametrik juga memungkinkan kurva yang akan independen dari sistem koordinat tertentu yang digunakan. menghindari masalah yang baik dalam bentuk eksplisit dan implisit miliki. Inisialisasi kurva diberikan oleh kurva parametrik ( ) = [ ( ). Kurva (0) = (1). Witkin dan Terzopoulos di dalam makalah "Snake: Active Contour Model". & Terzopoulos. 12. Setiap titik sepanjang kurva bergerak sepanjang garis eksternal dan internal.2 Snake Original Kass. (Kass. Makalah ini memicu banyak penelitian. 1987). Witkin & Terzopoulos Konsep kontur aktif diperkenalkan oleh Kass. dan akan terus mencoba untuk memposisikan dirinya. parametric tertutup diilustrasikan pada Gambar 2.

dengan kedua parameter tersebut menjadikan snake lebih elastik dan lebih ( )‖ memberikan ukuran kelengkungan. Istilah-istilah ini ditemukan deformatif. istilah Econ terakhir menimbulkan kekuatan kendala eksternal. sedangkan istilah orde kedua ‖ bahwa dalam bagian dari snake di mana kurva ditarik. sedangkan di bagian-bagian snake di mana kurva tertekuk. Kass dkk. ( ). Energi internal snake ditulis sebagai dimana istilah orde pertama ‖ ( )‖ memberikan ukuran elastisitas. Istilah Eint awalnya merupakan energi internal dari snake sedangkan Eimg jabatan kedua menunjukkan kekuatan citra. Jika snake harus menetap di tepi dalam citra. istilah elastisitas akan memiliki nilai tinggi. maka energi citra dapat didefinisikan sebagai Eimg 24 . Jumlah citra memaksa Eimg dan kendala eksternal pasukan Econ juga hanya dikenal sebagai pasukan snake eksternal. Memperkenalkan energi berikut fungsional untuk menghitung energi snake: Energi snake terdiri dari tiga istilah. Ini berarti Eimg menarik snake agar didapatkan fitur citra yang diinginkan.yang mencoba untuk pindah ke posisi dimana energi diminimalkan. dinotasikan dengan Eext. pada energi snake yang secara keseluruhan dikendalikan oleh koefisien ( ) dan istilah kelengkungan akan memiliki nilai tinggi.

yang merupakan rata-rata (µ 0) dari C di dalam dan masingmasing di luar C. segmentasi berbasis energi minimum. Dalam kasus sederhana. adalah minimilisasi dari border objek. ) adalah Gaussian dua dimensi dengan σ standar deviasi. Hal ini memberikan istilah citra energi berikut ( . Untuk menghapus noise dari citra dan meningkatkan jangkauan penangkapan snake citra dapat dikonvolusi dengan sebuah kernel Gaussian sebelum menghitung gradien. 2.3 Model Aktif Kontur Inti dari metode ini hampir sama dengan model snake. bergantung pada C. 25 . Formula Chan-Vese adalah dimana C adalah setiap kurva variabel lain.4.(v(s)). dengan saya menjadi fungsi citra. Dengan demikian snake akan memposisikan diri di bagian-bagian citra dengan nilai gradien tinggi. batas obyek C0. 13. nilainilai yang berbeda. Objek yang akan dideteksi diwakili oleh daerah dengan nilai µ. dengan ini meningkatkan jangkauan penangkapan snake. dengan konstanta c1 dan c2. Diilustrasikan pada Gambar 2. Ketika Dimana tepi yang kuat dalam citra yang kabur oleh Gaussian dengan gradien yang terkait juga merapikan yang mengakibatkan gradien snake dari jarak yang lebih besar. Diasumsikan bahwa gambar dibentuk oleh dua wilayah.

13 Model kontur aktif Dalam model kontur aktif energi border akan diminimalkan dan akan ditambahkan beberapa hal regsnake-isasi. Pada proses segmentasi citra.Gambar 2. terdapat energi fungsional ditentukan oleh Area Panjang di dalam yang merupakan parameter tetap. Solusi yang efektif untuk menghitung gradien kontur aktif menggunakan persamaan Chan and Vese. dan level set. Karena itu. persamaan untuk menentukan fungsi kecepatan F telah ditentukan. fungsi mumfordshah. sehingga perhentian evolusi dari kontur aktif pada edge yang penting dapat ditemukan. Energi yang diperlukan dalam contour active menggunakan minimum-variance criterion. dan/atau luas di dalam wilayah. Teknik yang digunakan adalah curve evolution. Salah satu pendekatan segmentasi menggunakan metode berdasarkan daerah. 26 . F merupakan sebuah fungsi dari gradient citra. tidak peduli letak dari inisial kontur. Inisial kontur bisa dilakukan dimana saja yang akan secara otomatis mendeteksi keseluruhan kontur. seperti panjang kurva.

Karena program yang dibuat untuk mengidentifikasi sel kanker prostat.n. Dengan diketahuinya jumlah piksel maka dapat diperoleh dan ditampilkan kesimpulan mengenai jumlah piksel sel yang sehat dan dan jumlah piksel sel yang sakit dengan perbedaan banyaknya jumlah piksel.o]= size(d).n. for i = 1 : m. count = 0. count = count + 1. end end end pix_proc = count. if tmp(i. for j = 1 : n.2. 2004). for j = 1 : n.o]= size(tmp).5 Piksel Putih Proses pengolahan citra digital berakhir dengan tampilan identifikasi citra hasil pengolahan. 27 . Dalam hal ini yang digunakan sebagai citra acuan adalah citra sel prostat yang sehat. count = count + 1. else. else. end end end pix_ref = count. maka perlu ditampilkan citra template atau citra acuan. % Hitung Jumlah Piksel Citra yang Akan Diolah [m. for i = 1 : m. count = 0. maka analisis yang diambil adalah mengidentifikasi sel yang sehat dan sel sakit.j) == 1. Algoritm piksel putih adalah sebagai berikut: % Hitung Jumlah Piksel Citra Acuan [m. (Witeti. if d(i. Untuk mendapatkan selisih jumlah piksel antara citra acuan dan citra yang akan diolah.j) == 1.

BAB III METODOLOGI PENELITIAN 3.2 Desain Penelitian Blok diagram sistem secara keseluruhan ditunjukkan pada Gambar 3.1 Jenis penelitian Berdasarkan tujuan dan manfaat dari tugas akhir ini yang secara garis besarnya adalah untuk melakukan penelitian terhadap deteksi tepi citra 2D sehingga diharapkan informasi citra yang dibutuhkan terlihat lebih jelas. 3. 1 Blok diagram rancangan sistem secara keseluruhan 28 . yang merupakan pengembangan dari aplikasi dan penelitian yang telah ada dengan berpedoman pada data sekunder (data dari hasil penelitian dan jurnal) yang relevan. Sedangkan ditinjau dari sifat masalahnya maka penelitian ini bersifat simulasi. 1 Gambar 3. maka penelitian ini merupakan jenis penelitian terapan (aplikatif).

tampilan software ditunjukkan pada Gambar 3. Dimana sampel citra yang akan diolah adalah dalam bentuk 2 dimensi tipe data *.Ada beberapan tahapan dalam proses penelitian ini. 3. yaitu sebagai berikut : 1.10. Pengaturan tingkat kecerahan (brightness) dan kontras (contrast) citra untuk mempermudah deteksi citra sel kanker 4. Deteksi tepi akan dilakukan dengan menggunakan software MatLab versi 7.499 (R2010a).2. Tahapan dimulai dengan mengumpulkan data sampel mammografi7. 2. Output yang diharapkan adalah citra dengan deteksi tepi sel kanker seperti ditunjukkan pada Gambar 3. Hasil deteksi tepi active contour dibandingkan dengan hasil deteksi tepi yang menggunakan operator Canny dengan menggunakan perbandingan piksel putih 3.0.3 Proses Screening pada Mammogram 8 Telah disertakan dalam program 29 . Deteksi tepi.jpg 2. 4. Citra dipastikan terlebih dahulu ke dalam tipe grayscale8 3. 7 Proses skrining pada mammografi telah dijelaskan pada subbab 2.3 Sampel Desain Deteksi tepi akan dilakukan pada sampel citra mammografi bersel kanker seperti pada Gambar 3. memberi batas pemisah citra luar terhadap daerah kanker sehingga didapat seleksi area sel kanker 5.

4 Software MATLAB R2010a Version 7.499 30 .Gambar 3. 3 Hasil mammografi dengan sel kanker setelah dilakukan deteksi tepi dengan menggunakan metode active contour Gambar 3. 2 Hasil mammografi dengan sel kanker Gambar 3.10.0.

3. penulis telah menyusun dan akan mengikuti prosedur penelitian sebagai berikut: 31 .4 Teknik Analisis Sistem Kinerja sistem yang akan dieksperimenkan dianalisis dengan menggunakan penilaian objektif. Hasil-hasil yang didapatkan melalui eksperimen (keluaran sistem) dibandingkan dengan teori-teori yang berasal dari literatur yang ada.5 Prosedur Penelitian Agar penelitian dapat lebih terarah dan efektif.3.

5. dibuat program pengolahan input citra dengan menggunakan software MatLab R2010a. Studi literatur berupa diskusi dengan pembimbing. penggunaan edge detection operator Canny dengan menggunakan perbandingan piksel putih. 2. 32 . 3. Studi literatur juga dilakukan terhadap software yang digunakan selama penelitian ini menjadi sarana aplikatif. mengambil bahan dari internet dan buku-buku panduan. Penyusunan Laporan Penelitian Memberisikan penjelasan secara tertulis dan tergambar keseluruhan proses penelitian ini. Penyusunan Algoritma Program Program yang dirancang dalam tugas akhir ini berupa algoritma yang disusun berdasarkan rumusan active contour. dengan rincian isi yang telah dijabarkan pada subbab 1. Tinjauan dan Studi Kepustakaan Dilakukan untuk mendapatkan pemahaman tentang konsep-konsep teoritis yang berhubungan dengan tema penelitian.5 Sistematika Penulisan tugas akhir ini. Analisis Keluaran Sistem Dibandingkan dengan Keluaran Sistem Sebelumnya Keluaran dari sistem ini adalah sel kanker payudara yang telah disegmentasi oleh active contour kemudian dibandingkan dengan penelitian sebelumnya. 4.1. Perancangan dan Pembuatan Program Berdasarkan algoritma yang telah ditentukan diatas.

pdf Jusman. dari http://eprints.pdf Bracewell. dari http://citeseerx. 2012. Dipetik Februari 18. 1987.id/25662/1/ML2F098664. Dipetik 11 April 2012. Padang: Universitas Andalas. Snakes: Active Contour Models. Padang: Universitas Andalas.2. 2007. Two-Dimensional Imaging.php?file=(09)%20 Arif% 20Jauhari. Eric Pichon. Tugas Akhir: Perancangan dan Implementasi Sistem Pengenalan Gambar Huruf dengan Variasi Jarak dan Ukuran Menggunakan Ekstraksi Ciri Zooning dan Sistem Template Matching. Sistem Biometrika.psu. Chan. 2008. Tugas Akhir: Visualisasi Detektor Edge Detector Terbaik pada Citra Mammography. dari Math Wisc: http://www. dari http://www. Unknown. Andrew Witkin.pdf 33 .scribd. Nikolas Petteri. dari snake.portalradiografi. Yogyakarta: ANDI. 2011. _____.com/document_downloads/direct/83217650?extension=pdf&ft=1332998229&lt=1333001839&uahk=d2ZtvVzjGRF+7MSsce 0E3MUugPQ Tiilikainen.web. William K.undip. Bab 1 Pengantar Pengolahan Citra. N. 2009. Arif. Mathematical Methods in Medical Image Processing.pdf Mawaddatun. Digital Image Processing. F. Putra.1. Padang: Universitas Andalas. 1995. Kass. Mutu dan Karakteristik Citra Medik. Teofanus Dwiyanto. Darma. Luminita Vese. Dipetik 29 Maret 2012.ist. dari http://www. Michael.1. 2004.wisc. 2001. New Jersey: PrenticeHall. Sigurd . 1991. Identifikasi Sel Kanker Prostat Menggunakan Metode Segmentasi Berdasar Ukuran Objek pada Citra. Sadukh. Ronald N. dan Demetri Terzopoulos. Angelency C.math. Dipetik 10 April 2012. 2000. 2009. 2007. 2005. dan Allen Tannenbaum. Jessi.DAFTAR PUSTAKA Angenent. California: Wiley-Interscience Publication.id/downlot. Makalah Pengolahan Citra pada Bidang Kedokteran dengan Menggunakan X-Ray untuk Mammografi..edu/~angenent/preprints/medicalBAMS. Dipetik 21 Februari 2012. inc. Tugas Akhir: Perbaikan Kualitas Sinyal Citra Medis Menggunakan Filter Non-Linear serta Perbaikan Kontras dan Brightness.ac.1828&rep=rep1&type=pdf Jauhari. Dipetik 29 Maret 2012.. dari _______________________ Witeti. Tony dan A. Dipetik 12 April 2012. Pratt. A Comparative Study of Active Contour Snakes. Active Contours Without Edges.edu/viewdoc/download ?doi=10.

......DAFTAR ISI DAFTAR ISI......................................................................5 Mammogram/Mammografi..................................................... 31 BAB III METODOLOGI PENELITIAN .........2.............................3................................... 13 Proses Screening pada Mammogram ........... 1 Tujuan Penelitian .................................. 23 Model Aktif Kontur ..1..................... 21 Segmentasi ............3 1.............................1 Latar Belakang .......................... 12 Deteksi Tepi dan Segmentasi.................3 2........................ 28 DAFTAR PUSTAKA ..........................4........................................ 3 Citra....... 28 Desain Penelitian .............. 17 Definisi Deteksi Tepi .......2. 16 Karakteristik Citra Mammografi.........................................................................................................................1 2............................................................................5 2.................................... 18 Active Contour Persamaan Chan-Vese ....................................................................................2 2.............................................. 18 Operator Edge Detection..............................2.............. 5 2.................. 6 Digitalisasi Citra ..............................................................................1 2.............................................................3 2.....2 2.................. 11 Definisi..........................................................................................................4 3.......................................4 2...............3 3......................................3 2........................................................4 1........................................................ Witkin & Terzopoulos...............................................................4 2.... 33 34 ........................................................1....................................................................3 2.......................1 1.....2 2......................................1..............................................................................................................................................................4 2...........3 2...................2 2.................................5 3....... 20 Thresholding ..................................................3.................................................1 2.......4........................................... ii DAFTAR GAMBAR ................................ 1 1............. 31 Prosedur Penelitian ............................................ 25 BAB II TINJAUAN PUSTAKA ..................... 21 Definisi Kontur Aktif .................... 2 Manfaat Penelitian ..............................................1 3.........3........................................ 3 Sistematika Penulisan ..............................2................................................ 5 Pengertian Citra.................................................4 2................................................................................................................................1 2....... 29 Teknik Analisis Sistem ................ 12 Perangkat Mammografi.................4............................................... 22 Piksel Putih .......................... 27 Jenis penelitian............................................................................. 3 Batasan Masalah ............................................2 3......................................... 8 Citra Medis......................... 5 Pembentukan Citra........................................................ 28 Sampel Desain...... 22 Snake Original Kass....................................................................................................................................................................1............iii BAB I PENDAHULUAN.............................................................................................................................................2 1................3.....................2 2....................

........................... 8 Gambar 2..... 1 Blok diagram rancangan sistem secara keseluruhan ........................................... 9 Gambar 2............... 5 Proses digitalisasi citra analog ke digital ..... 12 Ilustrasi dari kurva parametrik v(s) ..................................................................................... 13 Model kontur aktif........................................................................ 10 Sample hasil mammografi......DAFTAR GAMBAR Gambar 2................. 7 Perangkat mammografi ............... 5 Gambar 2..... 14 Gambar 2.. 11 Citra dengan deteksi tepi ........................ 30 Gambar 3...................................................................... 2 Hasil mammografi dengan sel kanker........................................10.......................... 6 Mammogram screening.... 26 Gambar 3...............499 ........................................... 30 35 .0..................... 19 Gambar 2........ 9 Proses pengambilan citra mamogram ....... 4 Contoh matriks digital........... 7 Gambar 2.................................................................................................................... 14 Gambar 2............................... 2 Proses pembentukan citra........... 3 Hasil mammografi dengan sel kanker setelah dilakukan deteksi tepi dengan menggunakan metode active contour .................. 28 Gambar 3............................ 4 Software MATLAB R2010a Version 7..................... 23 Gambar 2............. 30 Gambar 3........................................................................................ 17 Gambar 2.. 8 Gambar 2................................... 15 Gambar 2............... 3 Matriks digital NxM................. 16 Gambar 2....... 1 Contoh citra dua dimensi....................... 8 Citra mammografi ............

Sign up to vote on this title
UsefulNot useful