analisis deteksi fraktur batang (diafisis) pada tulang ... · menetapkan threshold secara manual...

ANALISIS DETEKSI FRAKTUR BATANG (DIAFISIS) PADA TULANG TIBIA DANFIBULA BERBASIS PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF

TIRUAN BACKPROPAGATION

R Yunendah Nur Fu'adah¹, Achmad Rizal², Yuli Sun Hariyani³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

AbstrakPendeteksian fraktur pada tulang tibia dan fibula dilakukan oleh tenaga medis berdasarkan hasilpemeriksaan citra X-Ray. Dalam kondisi mata lelah, sebagian tenaga medis tidak dapatmendeteksi fraktur pada tulang tibia dan fibula. Sehingga, adanya sistem yang dapat mendeteksifraktur secara otomatis diteliti dan dikembangkan dengan berbagai metode. Pada penelitiansebelumnya, dirancang sistem yang dapat mendeteksi fraktur pada tulang femur denganmenetapkan threshold secara manual dari hasil algoritma scanline dengan akurasi 73.33%.

Pada tugas akhir ini dirancang sistem yang dapat mendeteksi fraktur pada tulang tibia dan fibuladalam tiga tahap, yaitu, pre-processing citra, ekstraksi ciri menggunakan algoritma scanline, danklasifikasi menggunakan jaringan syaraf tiruan backpropagation. Total citra yang digunakanadalah 70 citra, 35 citra pada proses pelatihan dan 35 citra pada proses pengujian. Hasilekstraksi ciri dari citra latih menjadi vektor ciri yang akan dilatih oleh jaringan syaraf tiruanbackpropagation. Pada proses pengujian citra uji, jaringan hasil pelatihan citra latih akandigunakan untuk mendeteksi kondisi tulang tibia dan fibula. Akurasi sistem dihitung berdasarkancitra yang diujikan benar terhadap semua citra yang diujikan.

Akurasi tertinggi yang dihasilkan sistem pada tugas akhir ini yaitu 100% citra latih yang terdiridari 15 citra tulang normal dan 20 citra tulang fraktur. Akurasi total citra uji yaitu 91.42%, 100%untuk 15 citra normal dan 85% untuk 20 fraktur dengan waktu pemrosesan 2.33 detik.

Kata Kunci : Kata kunci : fraktur tibia dan fibula, pengolahan citra digital, scanline, jaringansyaraf tiruan backpropagation

AbstractDetection fractures of the tibia and fibula performed by medical practice based on the results ofX-Ray image. Under conditions of tired eyes, some medical practice can not detect fracture of thetibia and fibula. Thus, the system that can detect fracture automatically researched anddeveloped by various methods. In previous research, designed a system that can detect fracture ofthe femur with manually set threshold of the scanline algorithm with accuracy 73.33%

At this final project designed the system that can detect fractures on the tibia and fibula in threestages, namely, the image pre-processing, feature extraction using scanline algorithm, andclassification using artificial neural networks backpropagation. Total images that used are 70images, 35 training image and 35 testing images. The results of feature extraction of trainingimages be a feature vector that will be trained by artificial neural networks backpropagation. Intesting the testing image, the result of network training images will be used to detect thecondition of the tibia and fibula bones. Accuracy is calculated based on the system being testedright image for all images tested.

The accuracy from the system in this final project is 100% for training images, which each classconsists of 15 training normal images, 20 training fracture images. The accuracy from the testingimages is 91.42% for all images, 100% for 15 normal images and 85% for fracture images, withtime computation about 2.33 seconds. Key words : fracture, digital image processing, scanline,ANN backpropagation.

Keywords : Key words : fracture, digital image processing, scanline, ANN backpropagation.

Powered by TCPDF (www.tcpdf.org)

Tugas Akhir - 2012

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

BAB V KESIMPULAN DAN SARAN

1 ANALISIS DETEKSI FRAKTUR BATANG(DIAFISIS) PADA TULANG TIBIA DAN FIBULA BERBASIS

PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pemanfaatan pengolahan citra digital saat ini berkembang sangat pesat dan

diaplikasikan di berbagai bidang termasuk dalam bidang biomedis. Dalam bidang

biomedis pengolahan citra digital memiliki peranan yang sangat penting dalam

pembuatan sistem aplikasi untuk mempermudah tenaga medis dalam mendiagnosa

suatu penyakit. Salah satu sistem aplikasi yang dapat dibuat berbasis pengolahan

citra digital adalah suatu sistem aplikasi yang dapat dapat mendeteksi fraktur

batang (diafisis) tulang tibia dan fibula. Fraktur pada tulang tibia dan fibula ini

pada umumnya sering dialami oleh pemain sepak bola dan penari balet.

Penanganan fraktur pada tulang tibia dan fibula ini adalah dengan melakukan

tindakan pembedahan oleh dokter bedah tulang dengan melihat hasil citra X-ray

kaki pasien dulu sebelumnya. Kualitas citra hasil X-Ray yang kabur atau kondisi

mata tenaga medis yang kelelahan setelah melihat banyak citra X-Ray tulang bisa

saja menyebabkan kesalahan diagnosis. Oleh karena itu, saat ini sistem pendeteksi

fraktur pada tulang tibia dan fibula berbasis pengolahan citra digital dijadikan

bahan penelitian dan dikembangkan dengan menggunakan berbagai metode agar

menghasilkan suatu sistem yang memberikan akurasi tinggi.

Sebelumnya, telah dilakukan penelitian dengan judul Penentuan Kondisi

Tulang Femur Menggunakan Metode Analisis Tekstur Pada Citra Digital[12], pada

tugas akhir tersebut digunakan algoritma scanline untuk mendeteksi fraktur pada

tulang femur dan menghasilkan akurasi sistem 73.33%. Sedangkan pada jurnal

dengan judul An Enhanced Tibia Fracture Detection Tool Using Images

Processing and Classification Fussion Techniques in X-Ray Images[3] dilakukan

pendeteksian fraktur pada tulang tibia dan fibula dengan menggunakan jaringan

syaraf tiruan backpropagation, menghasilkan akurasi sistem 83.12 % untuk

kondisi fraktur dan 92.96% untuk kondisi normal. Dari buku, tugas akhir dan

jurnal tersebut, dilakukan penelitian pada tugas akhir ini untuk mendeteksi fraktur

Tugas Akhir - 2012





pada tulang tibia dan fibula menggunakan algoritma scanline dan jaringan syaraf

tiruan backpropagation.

Pada tugas tugas akhir ini, pemrosesan awal dilakukan untuk

meningkatkan kualitas citra, dilanjutkan dengan proses ekstraksi ciri

menggunakan algoritma scan line, kemudian proses klasifikasi menggunakan

jaringan syaraf tiruan backpropagation, proses ini nantinya akan melatih dan

menguji nilai hasil ekstraksi ciri citra untuk mendeteksi kondisi tulang. Dalam

tugas akhir ini juga dicoba pengklasifikasian kondisi tulang tanpa melalui

pelatihan dengan JST backpropagation, yaitu dengan menetapkan nilai threshold

tertentu dari hasil scanline.

1.2 Tujuan Penelitian

Tujuan tugas akhir ini adalah sebagai berikut

1. Merancang dan melakukan implementasi sistem yang berfungsi untuk

mendeteksi fraktur batang (diafisis) pada tulang tibia dan fibula berbasis

pengolahan citra digital dan jaringan syaraf tiruan backpropagation.

2. Menganalisis setiap tahapan pre-processing, ekstraksi ciri, dan metode

klasifikasi yang digunakan untuk keoptimalan dan keefisienan sistem.

3. Menganalisis performansi program pada metode yang digunakan dengan

parameter akurasi.

4. Menganalisis sistem yang dihasilkan berdasarkan pada parameter waktu

komputasi.

5. Menganalisis pengaruh gaussian noise dan speckle noise terhadap akurasi

sistem yang telah dirancang.

1.3 Rumusan Masalah

Permasalahan yang akan menjadi objek penelitian pada tugas akhir ini adalah

sebagai berikut :

1. Bagaimana perancangan sistem pendeteksian kondisi tulang tibia dan fibula,

normal atau patah berbasis pengolahan citra digital dan jaringan syaraf tiruan

backpropagation.

2. Bagaimana analisis setiap tahapan preprocessing, ekstraksi ciri, dan

klasifikasi yang digunakan untuk keoptimalan dan keefisisenan sistem.

Tugas Akhir - 2012





3. Bagaimana analisis performansi program pada metode yang digunakan

dengan parameter akurasi.

4. Bagaimana analisis sistem yang dihasilkan berdasarkan pada parameter waktu

komputasi

5. Bagaimana analisis pengaruh gaussian noise dan speckle noise terhadap

akurasi sistem yang telah dirancang

1.4 Batasan Masalah

Agar dalam pengerjaan tugas akhir ini didapatkan hasil yang optimal, maka

digunakan batasan masalah sebagai berikut :

1. Sistem ini disimulasikan pada objek citra tulang tibia dan fibula manusia.

2. Citra yang menjadi masukan adalah citra digital tulang tibia dan fibula yang

diperoleh dari bagian radiologi RS. Halmahera Bandung dan internet.

3. Format citra asli merupakan citra RGB dalam format JPEG ( *.JPEG).

4. Ukuran citra 3000x 800 piksel.

5. Citra tulang tibia dan fibula yang dimasukan adalah citra tulang orang

dewasa, bagian kaki kiri dan kaki kanan.

6. Hasil keluaran sistem yaitu untuk mendeteksi citra tulang tibia dan fibula

bagian diafisis apakah tulang dalam kondisi normal atau patah.

7. Hasil keluaran sistem tidak mengenal lebih rinci jenis-jenis fraktur yang

terjadi.

8. Perangkat lunak yang digunakan adalah MATLAB R2010a.

9. Dilakukan pengujian menggunakan gaussian noise dan speckle noise.

1.5 Metodologi Penelitian

Metodologi yang digunakan dalam menyelesaikan tugas akhir ini adalah

sebagai berikut :

1. Pendefinisian dan Perumusan Masalah

Bertujuan untuk mendefinisikan masalah secara jelas baik dari segi keluasan

maupun kedalaman pembahasannya.

2. Studi Kepustakaan

Tugas Akhir - 2012





Digunakan untuk mempelajari teori- teori dasar serta sebagai sarana

pendukung dalam menganalisa permasalahan yang ada.

3. Perumusan Hipotesis

Berguna untuk membantu menuntun agar mencapai hasil sesuai dengan yang

diharapkan pada tugas akhir ini. Hal yang dijadikan hipotesis adalah

pernyataan yang ada pada rumusan masalah.

4. Pengumpulan Data

Bertujuan untuk mendapatkan data citra digital tulang tibia dan fibula yang

akan digunakan sebagai masukan dari perangkat lunak.

5. Pengolahan dan Penyajian Informasi

Bertujuan untuk mengolah data yang diperoleh sehingga informasi yang

tersaji lebih mudah diinterpretasikan dan dianalisis lebih lanjut.

6. Analisis dan Interpretasi

Bertujuan untuk menganalisis lebih lanjut data yang telah diperoleh dengan

menggunakan algoritma scan line dan metode jaringan syaraf tiruan

backpropagation agar diperoleh hasil yang optimal.

7. Pengambilan Kesimpulan

Bertujuan untuk merangkumkan hasil yang didapat dari penelitian terkait

dengan tujuan penelitian.

1.6 Sistematika Penulisan

Tugas akhir ini disusun berdasarkan sistematika sebagai berikut :

BAB 1 : Pendahuluan

Pada bab ini akan dibahas mengenai latar belakang penelitian, rumusan masalah,

tujuan penelitian, batasan masalah, metodologi penelitian, dan sistematika

penulisan tugas akhir.

BAB 2 : Dasar Teori

Pada bab ini berisi berbagai dasar teori yang mendukung dan mendasari penulisan

tugas akhir ini, yaitu teori dasar citra digital, pengolahan citra digital dalam

meningkatkan kualitas citra, jaringn syaraf tiruan backpropagation, dan teori

tentang kondisi tulang tibia dan fibula.

BAB 3 : Perancangan Sistem dan Implementasi

Tugas Akhir - 2012





Pada bab ini akan dijelaskan mengenai proses perancangan dan implementasi

sistem deteksi patah tulang tibia dan fibula berbasis pengolahan citra digital dan

jaringan syaraf tiruan backpropagation.

BAB 4 : Pengujian Sistem dan Analisis

Pada bab ini akan dilakukan pengujian sistem dan analisis hasil yang diperoleh

dari tahap perancangan dan implementasi.

BAB 5 : Kesimpulan dan Saran

Pada bab ini akan diberikan kesimpulan mengenai permasalahan yang dibahas

berdasarkan serangkaian penelitian yang dilakukan. Selain itu, pada bab ini juga

akan diberikan saran untuk pengembangan selanjutnya.


Tugas Akhir - 2012



48

ANALISIS DETEKSI FRAKTUR BATANG(DIAFISIS) PADA TULANG TIBIA DAN FIBULA BERBASIS PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis terhadap sistem pendeteksian kondisi tulang tibia

dan fibula berbasis pengolahan citra digital dan jaringan syaraf tiruan

backpropagation, maka dapat diambil kesimpulan sebagai berikut :

1. Pada tahap preprocessing deteksi tepi dengan menggunakan operator sobel

menghasilkan tepian (edge) yang lebih baik untuk semua citra daripada

menggunakan deteksi tepi operator robert, prewitt dan canny.

2. Ukuran window 1x20 pada proses moving window dan pengolahan data hasil

ekstraksi ciri menggunakan standar deviasi memberikan hasil akurasi tinggi

yaitu 100% untuk citra tulang tibia dan fibula normal dan 85% untuk citra

fraktur, serta sistem yang dihasilkan stabil, yaitu tetap konsisten dalam

memberikan hasil deteksi kondisi tulang tibia dan fibula, normal dan fraktur,

pada setiap pengujian.

3. Citra tulang tibia dan fibula normal memiliki nilai standar deviasi antara 0.4-

0.7, sedangkan citra tulang tibia dan fibula fraktur memiliki nilai standar

deviasi antara 0.8-3.3.

4. Pada sistem ini, iterasi learning (pembelajaran) JST backpropagation tercapai

saat epoch 100 sehingga sistem bisa mengklasifikasikan ciri citra latih dengan

akurasi 100% . Akurasi sistem pendeteksian kondisi tulang tibia dan fibula

terbaik yang diperoleh untuk citra uji normal dan fraktur adalah 91.42%,

dengan menggunakan ukuran window 1x20, pengolahan data standar deviasi,

jumlah neuron hidden layer10 dan epoch 100.

5. Waktu pemrosesan sistem untuk tulang normal dan fraktur dengan

menggunakan JST pada tahap klasifikasi adalah 2 detik pada tahap pre-

processing, 0.3 detik pada tahap ekstraksi ciri dan 0.03 detik pada tahap

klasifikasi. Waktu pemrosesan total adalah 2.33 detik.

Tugas Akhir - 2012



49


6. Pendeteksian kondisi tulang tibia dan fibula menggunakan scanline saja tanpa

JST backpropagation menghasilkan akurasi 94.28% dengan waktu perosesan

2 detik.

7. Pengujian dengan memberikan gaussian noise pada citra uji menggunakan JST

backpropagation menghasilkan akurasi 80% untuk mengenali kondisi tulang

tibia dan fibula normal dan 75% untuk mengenali kondisi fraktur. Sedangkan

untuk pengujian dengan menetapkan threshold hasil scanline tanpa

menggunakan JST backpropagation menghasilkan 80% untuk mengenali

kondisi normal dan 90% untuk mengenali kondisi fraktur.

8. Pengujian dengan memberikan speckle noise pada citra uji menggunakan JST

backpropagation menghasilkan akurasi 66.67% untuk mengenali kondisi

tulang tibia dan fibula normal dan 85% untuk mengenali kondisi fraktur.

Sedangkan untuk pengujian dengan menetapkan threshold hasil scanline tanpa

menggunakan JST backpropagation menghasilkan akurasi 53.33% untuk

mengenali kondisi normal dan 95% untuk mengenali kondisi fraktur

5.2 Saran

Untuk penelitian lebih lanjut diharapkan dapat memperbaiki kekurangan

yang ada dan menguji akurasi terhadap hasil deteksi kondisi tulang tibia dan

fibula, sebagai berikut :

1. Citra tulang tibia dan fibula yang digunakan sebagai citra latih dan citra uji

diperbanyak jumlahnya, sehingga sistem yang dibuat bisa lebih akurat, dan

diharapkan sistem dapat mengenal jenis-jenis fraktur lebih rinci.

2. Pemilihan metode atau penggunaan nilai-nilai threshold yang lain pada pre-

processing untuk mendapatkan hasil citra yang lebih baik.

3. Algoritma scanline pada tahap ekstraksi ciri hanya cocok digunakan apabila

tepian (edge) citra diperoleh secacra sempurna. Pengujian dengan memberikan

gaussian noise dan speckle noise menyebabkan tepian citra (edge) yang

diperoleh tidak sempurna. Sehingga bisa dilakukan penelitian dengan

menggunakan metode lain pada tahap ekstraksi ciri yang tidak terlalu

terpengaruh noise seperti transformasi hough.

Tugas Akhir - 2012



50


4. Dicoba dilakukan penelitian dengan menggunakan metode klasifikasi yang

lain, seperti k-NN, JST LVQ, Suport Vector Machine Classifier (SVM), dan

lain- lain.


Tugas Akhir - 2012


xvi

DAFTAR PUSTAKA

1. E-Radiography. Tibia & Fibula AP. http://www.e-radiography.net/ technique/

ankle tib/ tibia fibula ap. htm [online]. 17 Oktober 2011.

2. Klikdokter. Bedah Fraktur. http://www. klikdokter. com/ medisaz/ read/2010/ 07/

05/ 105/ fraktur - patah - tulang. [online]. 15 Oktober 2011

3. Mahendran, S. K. and S. Santosh Baboo. An Enhanched Tibia Fracture Detection

Tool Using Image Processing and Classification Fusion Technique in X-Ray

Images. Volume 11 Issue 14 Version 1.0 August 2011. Global Journals Inc.

4. Munir, Rinaldi. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik.

Informatika: Bandung.

5. Puspitaningrum, Diyah. 2006. Pengantar Jaringan Syaraf Tiruan. Andi:

Yogyakarta.

6. Putragalo,Darma. 2010. Pengolahan Citra Digital. Andi:Yogyakarta

7. Rasad, Sjahriar. 2005. Radiologi Diagnostik. Jakarta : Fakultas Kedokteran UI

8. Sutoyo, T. 2009. Teori Pengolahan Citra Digital. Andi:Yogyakarta

9. Smeltzer S.C & Bare B. G. 2001. http: // id. wikipedia. org/ wiki/ Fraktur_tulang.

[online].15 Oktober 2011.

10. Spence, Alexander. 1990. Basic Medical Anatomy. United States of. America:

The Benjamin Cummings Publishing Company, Inc.

11. Tutorial Kuliah Online. Anatomi Tulang Tibia. http : // tutorial kuliah. blogspot.

com/ 2010/ 10/ anatomi-tulang-tibia.html .[online] .15 Oktober 2011.

12. Wahyuni, Sri. 2011. Penentuan Kondisi Tulang Femur Menggunakan Analisis

Tekstur dan Pengolahan Citra Digital. Institut Teknologi Telkom. Bandung.


Tugas Akhir - 2012


analisis deteksi fraktur batang (diafisis) pada tulang ... · menetapkan threshold secara manual...

Documents