APLIKASI DETEKSI TEPI LESI KANKER SERVIKS MENGGUNAKAN METODE SOBEL

Webby Mandala. *), Lulu Chaerani Munggaran, Dr **)

Jurusan Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma

Jl. KH. Noer Ali, Kalimalang, Bekasi, 17133, Indonesia Email : webby_strife@yahoo.com

*) Mahasiswa Sistem Informasi Universitas Gunadarma **) Dosen Sistem Informasi Universitas Gunadarma

ABSTRAK

Pengolahan citra merupakan proses pengolahan dan analisis citra yang

banyak melibatkan persepsi visual salah satunya dalam bentuk tekstur, demikian pula dalam bidang kedokteran sering mengandalkan proses visualisasi yang lebih dikenal dengan pencitraan medis (medical imaging). Pengolahan citra sering juga digunakan untuk mendeteksi kanker serviks. Kanker serviks atau kanker leher rahim adalah kanker pada sistem reproduksi wanita. Pendeteksian kanker serviks dapat dilakukan dengan berbagai cara, salah satunya adalah deteksi tepi. Karena itu penulis tertantang untuk membuat aplikasi yang dapat membantu mendeteksi dini penyakit tersebut.

Aplikasi pengolahan citra ini dibuat untuk mendeteksi tepi lesi kanker serviks menggunakan metode Sobel, sehingga diharapkan dapat membantu bidang kedokteran dalam mendeteksi dini kanker serviks.

Aplikasi ini dibuat menggunakan MatLab 7.0 (R2010b). Aplikasi ini memperlihatkan setiap tahapan yang terjadi pada proses deteksi tepi lesi kanker serviks. Tampilan aplikasi di desain dengan menarik. Dengan demikian mempermudah user dalam mengenali tepi lesi kanker serviks. Kata Kunci : Metode Sobel, Citra, Citra Digital, Segmentasi, Deteksi Tepi.

ABSTRACT

Image processing is the processing and image analysis involve visual perception one of them in the form of textures, as well as in the medical field frequently rely on the visualization process more commonly known as medical imaging (medical imaging). Image processing is often also used to detect cervical cancer. Cervical cancer is a cancer of the female reproductive system. The detection of cervical cancer can be done in various ways, one of which is edge detection. Because the authors were challenged to create applications that can help detect the disease early.

Image processing applications are made to detect the edge of cervical cancer lesions using Sobel method, which is expected to help the field of medicine in the early detection of cervical cancer.

This application is created using MatLab 7.0 (R2010b). This application shows each of the stages that occur in the process of edge detection of cervical cancer lesions. Display applications in the design with appealing. Thus facilitate the user in identifying the edges of lesions of cervical cancer. Keywords : Sobel Method, Image, Digital Image, Segmentation, Edge Detection.

I. PENDAHULUAN 1.1 Latar Belakang Masalah

Saat ini perpaduan antara perkembangan ilmu pengetahuan dan teknologi sudah banyak dilakukan orang khususnya dalam pengolahan citra. Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual salah satunya dalam bentuk tekstur, demikian pula dalam bidang kedokteran sering mengandalkan proses visualisasi yang lebih dikenal dengan pencitraan medis (medical imaging). Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Pencitraan saat ini banyak digunakan dalam bidang kesehatan untuk mendeteksi berbagai penyakit, seperti tumor dan kanker.

Di Indonesia, kaum wanita yang mengidap kanker cukup tinggi terutama pada kanker serviks. Kanker serviks atau kanker leher rahim adalah kanker pada sistem reproduksi wanita. Kanker serviks sampai saat ini merupakan salah satu penyebab kematian kaum wanita yang cukup tinggi, baik di negara-negara maju maupun negara berkembang seperti Indonesia. Bahkan di Indonesia, kanker serviks merupakan kanker nomor satu yang umum diderita wanita Indonesia.

Untuk mengatasi tingginya wanita yang mengidap kanker serviks, para ahli kanker serviks telah membuat beberapa metode

untuk mendeteksi kanker serviks dengan mendeteksi tepi citra digital kanker serviks. Metode deteksi tepi tersebut antara lain, metode Robert, Canny, Prewitt, Sobel, Gonzalez, dan Laplace. Di sini penulis menggunakan metode Sobel. Metode ini merupakan pengembangan metode Robert dengan menggunakan filter HPF (High Pass Filter) yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Laplace atau laplacian adalah metode transformasi yang digunakan untuk penyelesaian persamaan differensial yang digagas oleh Piere Simon Laplace sedangkan Gaussian adalah satu jenis noise yang muncul pada citra. Penulis memilih metode ini karena mempunyai kelebihan dari metode lain, kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.

Berdasarkan uraian di atas, maka fokus penulisan ini adalah menganalisa tekstur dan mendeteksi dini kanker serviks.

1.2 Batasan Masalah

Pada penulisan tugas akhir ini, untuk menghindari pembahasan yang terlalu jauh, penulis membatasi hanya pada medeteksi tepi lesi citra

digital kanker serviks dan pembuatan aplikasi menggunakan matlab. 1.3 Tujuan Penulisan

Penulisan ini bertujuan membuat aplikasi yang dapat mendiagnosa kanker serviks melalui deteksi tepi lesi dengan metode Sobel, sehingga di harapkan dapat membantu bidang kedokteran dalam mendeteksi dini kanker serviks. II. TINJAUAN PUSTAKA 2.1 Pengolahan Citra

Sebuah citra yang diperoleh melalui hasil scanning (pemindaian) sinar-x ke dalam komputerisasi terkadang mengalami penurunan kualitas yang berupa perubahan kecerahan, peregangan kontras dan kekaburan. Karena beberapa degradasi tersebut, dokter maupun pasien tidak dapat memperoleh informasi yang dibutuhkan. Agar citra yang mengalami gangguan mudah diinterpretasi baik oleh manusia maupun mesin, maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik atau proses tersebut dinamakan dengan proses image processing (pengolahan citra). 2.2 Citra Digital

Citra digital dihasilkan melalui proses digitalisasi sehingga mampu menghasilkan citra digital, misalnya CT-Scan (Computer Tomographic Scan), USG (Ultra Sound Grapic), kamera digital, scanner, dll. Citra digital disebut juga citra diskrit. Citra digital merupakan citra yang telah disimpan dalam bentuk file sehingga dapat diolah dengan menggunakan

komputer. Citra digital merupakan suatu larik dua dimensi atau suatu matriks yang elemen-elemennya menyatakan tingkat keabuan dari elemen gambar. Jadi informasi yang terkandung bersifat diskrit. Citra digital tidak selalu merupakan hasil langsung data rekaman suatu sistem. Kadang-kadang hasil rekaman data bersifat kontinu seperti gambar pada monitor televisi, foto sinar-x, dan lain sebagainya. Suatu citra digital diperlukan suatu proses konversi sehingga citra tersebut dapat diproses dengan komputer.

1.3 Citra Biner

Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih, 0 dan 1 angka 0 menyatakan warna latar belakang (background) dan 1 menyatakan warna tinta atau objek atau dalam bentuk angka 0 untuk hitam dan angka 1 untuk warna putih [Anonim, 2009]. Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih kaya dari pada citra biner, namun tidak membuat citra biner mati. Pada beberapa aplikasi citra biner masih tetap dibutuhkan, misalnya pada proses analisis citra medis ini yang menggunakan gambar sinar-x.

1.4 Preprocessing (Pemrosesan

Awal) Preprocessing (pemrosesan awal) adalah proses yang memproses sebuah masukan menjadi sebuah keluaran yang akan menjadi masukan bagi proses lain [Anonim, 2009]. Pemrosesan awal merupakan

operasi pengolahan citra untuk meningkatkan kualitas citra.

1.5 Matlab

MatLab singkatan dari Matrix Laboratory. MatLab merupakan bahasa pemrogaman yang dikembangkan oleh The Mathwork, Inc. Bahasa pemograman ini banyak digunakan untuk perhitungan numerik keteknikan, komputasi simbolik, visualisasi grafis, analisis data matematis, statistika, simulasi pemodelan, dan desain graphical user interface (GUI).

Pada awalnya, program ini merupakan interface untuk koleksi rutin numerik dari proyek LINPACK dan EISPACK, namun sekarang merupakan produk komersial dari perusahaan Mathworks, Inc. MatLab telah berkembang menjadi sebuah lingkungan pemrograman yang canggih yang berisi fungsi built-in untuk melakukan tugas pengolahan sinyal, aljabar linier, dan kalkulasi matematis lainnya. Tampilan awal MatLab 7.0 ditunjukkan pada gambar 2.5.

Gambar 1. Tampilan MatLab

Walaupun MatLab khusus digunakan untuk penghitungan numerik, toolbox pilihan dengan mesin simbol maple, menjadikan MatLab sebagai suatu sistem aljabar komputer yang lengkap. MatLab memiliki

kemampuan untuk mengintegrasikan komputasi, visualisasi, dan pemrograman.

III. ANALISIS DAN PERANCANGAN

Pada bab ini akan dijelaskan mengenai perancangan aplikasi Deteksi Tepi Kanker Serviks dengan menggunakan Metode Sobel. Aplikasi ini untuk mendeteksi tepi lesi terhadap objek citra digital kanker serviks dari hasil servikografi. Terdapat tujuh tahap dalam pendeteksian tepi lesi, penjelesan tahap-tahap tersebut dapat dilihat pada sub bab 3.1. Algoritma dari tahap pendeteksian kanker serviks dapat dilihat pada sub bab 3.2. Flowchart aplikasi dapat dilihat pada sub bab 3.3. Dan rancangan aplikasi yang dibuat dapat dilihat pada sub bab 3.4.

3.1 Tahap Pendeteksian Kanker Serviks Berikut ini adalah penjelasan tahap penentuan kanker serviks sebagai berikut : 1. Tahap ekstraksi warna

Tahap berikut ini mengambil fitur warna berupa Red, Green, dan Blue (RGB) dari gambar dengan menggunakan tool color picker dari aplikasi photoshop.

2. Tahap pemotongan gambar Tahap berikut ini mengambil bagian gambar yang terindikasi lesi dengan fungsi imcrop yang terdapat pada matlab.

3. Tahap deteksi tepi dengan metode Sobel Pada tahap ini citra yang telah diketahui batasan RGBnya dan dipotong sebagian gambarnya

akan dilakukan deteksi tepi dengan metode Sobel.

4. Tahap operasi dilatasi citra Pada tahap dilatasi citra ini dilakukan untuk memperjelas citra yang diperoleh dari hasil deteksi tepi Sobel dengan menghilangkan batasan dari citra dan mempertebal garis deteksi tepi dari operasi strel dengan bentuk line.

5. Tahap pengisian area objek Pada tahap ini objek yang sudah dideteksi akan diberi lubang putih untuk mengisi area yang ada didalamnya.

6. Tahap segmentasi citra Pada tahap ini dilakukan proses pemisahan objek dari latarnya.

7. Tahap pembuatan garis luar Tahap berikut ini adalah tahap terakhir yang terdapat dalam aplikasi ini, tahap ini berguna untuk mencari garis luar dari objek hasil segmentasi, sehingga pengguna dapat langsung melihat garis luar lesi pada citra asli.

3.2 Algoritma Pendeteksian Kanker Serviks Berikut ini adalah alogritma dari setiap tahap penentuan kanker serviks sebagai berikut : 1. Ekstraksi Warna

Warna pokok dalam pengelolaan citra terdiri dari 3 (tiga)unsur, yaitu merah (R), hijau (H), dan biru (B). Jika warna-warna pokok tersebut digabungkan, maka akan menghasilkan warna lain. Penggabungan tersebut bergantung pada warna pokok

yang tiap-tiap warna memiliki nilai 256 (8 bit). Warna yang dideskripsikan dengan RGB adalah pemetaan yang mengacu pada panjang gelombang dari RGB. Pemetaan menghasilkan nuansa warna untuk masing-masing R, G, dan B. Masing-masing R, G,dan B didiskritkan dalam skala 256, sehingga RGB akan memiliki indeks antara 0 sampai 255. Ekstraksi warna adalah mengambil fitur warna berupa R, G, dan B dari gambar. Pengambilan nilai RGB menggunakan aplikasi photoshop, karena penulis menganggap aplikasi photosop yang paling baik dalam pengambilan nilai warna. Flowchart ditujukan pada gambar 1.

Gambar 1. Flowchart Ekstraksi

Warna

2. Tahap Pemotongan Gambar Pemotongan (Croping) gambar adalah memotong bagian objek dari suatu gambar. Dalam proses pemotongan gambar ini agar user dapat melihat objek secara lebih dekat dengan menggunakan fungsi imcrop yang terdapat pada matlab.

Flowchartnya dapat dilihat pada gambar 2.

Gambar 2. Flowchart Pemotongan Gambar

3. Deteksi Tepi Metode Sobel

Satu cara untuk menghindari gradien yang dihitung pada titik interpolasi dari piksel-piksel yang terlibat adalah dengan menggunakan jendela 3x3 untuk perhitungan gradien, sehingga perkiraan gradien berada tepat di tengah jendela. Operator Sobel adalah operator yang paling banyak digunakan sebagai pelacak tepi karena kesederhanaan dan keampuhannya. Bentuk mask operator Sobel sebagai berikut :

�� = �−1 0 1−2 0 2−1 0 1 �� = � 1 2 10 0 0−1 −2 1

Flowchart ditujukan pada gambar 3.

Gambar 3. Diagram Aktivitas Deteksi Tepi Metode Sobel

4. Operasi Dilatasi Citra

Operasi dilatasi citra adalah memperjelas citra dengan menghilangkan batasan dari citra yang diperoleh dari fungsi strel (structuring element) dengan metode line untuk menentukan garis-garis yang terdapat dari sebuah citra sehingga mudah untuk dilakukan segmentasi, fungsi tersebut hanya terdapat pada matlab. Flowchart ditujukan pada gambar 4.

Gambar 4. Flowchart Dilatasi Citra

5. Pengisian Area Objek

Tahap selanjutnya adalah pemberian warna ke dalam garis-garis yang telah terhubung dengan warna putih dan garis yang tidak terhubung diabaikan. Proses pengisian area objek ini menggunakan fungsi imfill (image fill). Fungsi holes adalah fungsi yang mengartikan bahwa objek yang sudah dideteksi akan diberi semacam lubang putih yang mengisi area objek di dalamnya. Flowchart ditujukan pada gambar 5.

Gambar 5. Flowchart Pengisian

Area Objek

6. Segmentasi Citra Segmentasi citra adalah proses pemisahan objek dari latarnya. Dimulai dengan membangun struktur dengan fungsi strel yang menggunakan bentuk disk dan objek. Nilai disk yang digunakan adalah 3. Fungsi disk pada Matlab bernilai ganjil dan yang terbaik untuk aplikasi ini adalah 3 karena apabila nilainya dirubah maka hasil yang didapat kurang maksimal. Proses penghalusan (smoothing) pada citra untuk mempertajam kualitas citra yang telah disegmentasi menggunakan fungsi imrode. Flowchart ditujukan pada gambar 6.

Gambar 6. Flowchart Segmentasi

Citra

7. Garis Luar Garis luar (outline) adalah proses pembuatan garis luar dari objek hasil segmentasi, sehingga garis luar tersebut dapat terlihat pada citra asli. Pembuatan garis luar ini menggunakan fungsi BWoutline yang hanya terdapat pada aplikasi matlab. Flowchart ditujukan pada gambar 7..

Gambar 7. Flowchart Pembuatan Garis Luar

IV. IMPLEMENTASI Pada bab ini penulis akan

menjelaskan spesifikasi perangkat keras dan lunak yang digunakan dan implementasi aplikasi. Implementasi dimulai dari skenario pengujian aplikasi, pengujian aplikasi dan terakhir hasil pengujian aplikasi. 4.1 Spesifikasi perangkat keras

dan lunak yang digunakan Dalam melakukan pengujian ini

penulis menggunakan spesifikasi perangkat keras dan perangkat lunak yaitu 1. Perangkat keras

Spesifikasi perangkat keras yang digunakan untuk membuat aplikasi ini adalah :

1. Prosesor I5 2400 3,1 Ghz Cache 6MB.

2. Ram 4GB PC 10600. 3. Harddisk 1660 GB sebagai

alat penyimpanan. 4. Monitor 18,5”. 5. Mouse dan keyboard sebagai

alat input. 6. Koneksi ke internet dengan

kecepatan up to 1 Mbps. 7. Printer Canon MP 258

sebagai alat cetak. 2. Perangkat lunak

Spesifikasi perangkat lunak yang digunakan untuk membuat aplikasi ini adalah :

1. Windows 7 Ultimate x64 sebagai sistem operasi.

2. Matlab 7.0 (R2010b) sebagai perangkat lunak pengolahan citra.

4.2 Objek Citra Digital Kanker

Serviks Citra yang akan digunakan

sebagai objek untuk penulisan skripsi ini ada 5 objek citral digital. Citra digital yang diperoleh adalah citra

digital kanker serviks yang didapat dari rumah sakit. Contoh citra digital kanker serviks yang digunakan untuk penulisan skripsi ini dapat dilihat pada table 1.

Tabel 1Citra Digital Kanker Serviks

4.3 Pengujian Aplikasi Deteksi

Tepi Lesi Kanker Serviks Menggunakan Metode Sobel

Tahapan pengujian yang dilakukan untuk pendeteksian tepi lesi kanker serviks dengan metode sobel : 1. Tahap pertama adalah mengetik

pada command window, home.fig lalu enter. Maka akan tampil seperti gambar 9.

Gambar 9. Tampilan Halaman Menu

utama

2. Tahap kedua adalah dari halaman Menu utama, pilih menu Deteksi Lesi. Menu Deteksi Lesi ini merupakan aplikasi untuk melakukan pendeteksian tepi lesi terhadap kanker serviks. Gambar 10 adalah tampilan dari lesi.fig.

Gambar 10. Tampilan Halaman

Deteksi Lesi 3. Tahap ketiga adalah memilih

citra digital kanker serviks yang ingin diketahui tepi lesi dengan cara memilih tombol buka pilih gambar. Pada aplikasi ini nama citra yang ingin diuji coba adalah 000007.jpg. Jika tombol buka pilih gambar di-klik maka akan tampil gambar 11.

Gambar 11. Tampilan Halaman Buka

File Citra

4. Tahap keempat adalah setelah dilakukan pemilihan pada salah satu citra yang ingin dilakukan proses pendeteksian kanker serviks, maka akan tampil seperti pada gambar 12.

Gambar 12. Tampilan Citra Kanker

Serviks Yang Dipilih 5. Tahap kelima adalah tahap

terpenting karena tahap ini yang memproses citra digital kanker serviks. Untuk melihat hasil pendeteksian kanker serviks, klik tombol Proses Gambar, maka hasilnya seperti pada gambar 13.

Gambar 13. Tampilan Hasil Proses

Deteksi Lesi

6. Tahap ini adalah lanjutan penjelesan dari tahap kelima, pada tampilan diatas hanya ditampilkan hasil akhir yaitu citra hasil segmentasi yang diberi garis tepi dan tidak ditampilkan proses segmentasi citra, pada tabel 2 ditampilkan proses segmentasi citra kanker.

Tabel 2. Proses Segmentasi Citra

Kanker 000009.jpg

7. Setelah proses selesai maka pilih

tombol Keluar untuk keluar dari aplikasi ini. Jika kita pilih menu Keluar, maka akan tampil kotak dialog pertanyaan seperti gambar 14.

Gambar 14. Tampilan Kotak Dialog Pertanyaan untuk keluar dari aplikasi 8. Di dalam aplikasi ini terdapat 2

sub menu dari menu bantuan yang berisi petunjuk penggunaan aplikasi dan informasi tentang kanker. Untuk petunjuk penggunaan aplikasi yang terdapat pada sub menu bantuan aplikasi (bantu.fig) dapat dilihat seperti gambar 15.

Gambar 15. Tampilan Halaman

Bantuan

9. Untuk informasi tentang pembuat aplikasi mendeteksi kanker serviks terdapat pada sub menu tentang aplikasi (about.fig) dapat dilihat seperti gambar 16.

Gambar 16. Tampilan Halaman

About Aplikasi

10. Untuk informasi tentang tahapan-tahapan dalam proses pendeteksian kanker serviks terdapat pada menu Informasi Kanker (informasi.fig) dapat dilihat seperti gambar 17.

Gambar 17. Tampilan Halaman Informasi Kanker

V. PENUTUP 5.1 Kesimpulan

Aplikasi untuk mendeteksi tepi lesi kanker serviks menggunakan metode sobel. Aplikasi pendeteksian tepi lesi kanker serviks ini ditentukan berdasarkan tepi lesinya. Aplikasi hanya dapat digunakan oleh ahli yang mengerti mengenai kanker serviks. Aplikasi ini memperlihatkan setiap tahapan yang terjadi pada saat pendeteksian tepi lesi kanker serviks. Persentase kesalahan deteksi tepi

yang dihasilkan sebesar 40% pada 2 dari 5 citra digital kanker serviks.

Aplikasi ini dapat melihat setiap tahapan yang terjadi pada proses pendeteksian tepi, akan tetapi aplikasi ini masih melakukan pemotongan gambar secara manual oleh user. 5.2 Saran

Penulis berharap aplikasi ini terus dikembangkan, agar aplikasi ini dapat lebih sempurna dalam mendeteksi kanker serviks. Saran dari penulis untuk pengembangan aplikasi selanjutnya adalah aplikasi ini dapat mendeteksi tepi lesi lebih akurat tanpa melakukan pemotongan gambar secara manual.

DAFTAR PUSTAKA Aris Sugiharto. 2006. Pemrograman GUI dengan MATLAB. Yogyakarta : Penerbit Andi. Agung Slamet Riyadi. 2007. Flowchart Catatan Kuliah Sistem Informasi. Universitas Gunadarma. Gunaidi Abdia Gaway. 2010. The Shortcut of MatLab Programming. Bandung : Penerbit Informatika. Rinaldi Munir. 2004. Pengolahan CITRA DIGITAL dengan Pendekatan Algoritmik. Bandung : Penerbit Informatika. Usman Ahmad. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya. Penerbit Graha Ilmu. Wijaya Marvin Ch. & Prijono Agus. 2007. Pengolahan Citra Digital menggunakan MatLab Image

Processing Toolbox. Bandung : Penerbit Informatika.