1 APLIKASI PENGELOMPOKKAN FASE CITRA LUKA SAYATAN PADA MARMUT (Cavia porcellus) MENGGUNAKAN METODE FUZZY LOGIC DAN EUCLIDEAN DISTANCE
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
APLIKASI PENGELOMPOKKAN FASE CITRA LUKA SAYATAN PADA
MARMUT (Cavia porcellus) MENGGUNAKAN METODE FUZZY LOGIC
DAN EUCLIDEAN DISTANCE
1
, Indrawati1* , Eka Ayu Lestari1, Sila Abdullah1
Jurusan Teknologi Informasi dan Komputer Politeknik Negeri Lhokseumawe
*Email: windra96@yahoo.com
ABSTRAK
Penyembuhan luka terdiri dari fase inflamasi, fase proliferasi dan fase remodeling.
Pemantauan luka dilakukan untuk melihat luka tersebut masih infeksi atau sudah
sembuh. Pada artikel ini pemantauan yang dilakukan pada citra luka sayatan kulit
Marmut (Cavia porcellus) sebanyak empat ekor. Metode yang digunakan untuk
mengidentifikasi fase suatu citra luka adalah metode Euclidean Distance, yang
memerlukan data acuan sebagai pembanding. Data acuan didapat dari hasil
klasifikasi citra luka menggunakan metode Fuzzy Logic. Pemantauan penyembuhan
luka dilakukan selama 7 hari. Dari pemantauan yang dilakukan diperoleh
sebanyak 32 buah citra luka sayatan, dengan pembagian 16 citra untuk data acuan
dan selebihnya sebagai data uji. Sistem pemantauan luka pada penelitian ini
menghasilkan tingkat keakurasian sistem sebesar 87,5% dengan nilai precision
sebesar 83,3% dan sensitivity sebesar 100%.
Kata kunci: euclidean distance, fuzzy logic, pengolahan citra
ABSTRAC
Injury healing consists of the inflammatory phase, the proliferative phase and
remodeling phase, the proliferative phase and remodeling phase. Monitoring is
done to look at the wound is still an infection or injury has healed. In this article
monitoring conducted on guinea pig skin incision wounds imagery four tails. The
method used to identify the phase of a lesion image is euclidean distance method,
which requires reference data for comparison. Reference data obtained from the
results of image classification using fuzzy logic wound. Monitoring wound healing
done during 7 days. Obtained from monitoring conducted as many as 32 pieces of
image cuts, with the division of 16 images for reference data and the remaining as
test data. The monitoring system injuries in this study resulted in the level of
system accuracy of 87.5% with a precision value of 83.3% and a sensitivity of
100%.
Key words: euclidean distance, fuzzy logic, image processing
1
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
PENDAHULUAN
METODE PENELITIAN
Luka didefenisikan sebagai kerusakan
integritas epitel dari kulit (Brown DL,
2004), luka juga didefenisikan sebagai
terputusnya kesatuan struktur anatomi
normal dari suatu jaringan akibat suatu
trauma atau rusaknya sebagian jaringan
tubuh (Rahmawati dkk, 2009).
Salah satu bentuk luka adalah luka
sayat. Luka sayat adalah luka daerah
kulit yang terpotong akibat sebuah
pinggiran yang tajam, seperti pisau,
perkakas kecil atau pinggiran kertas.
Luka tersebut sering berdarah dan
pinggiran lukanya sedikit pecah,
penyembuhannya memerlukan waktu
beberapa hari.
Penyembuhan luka adalah suatu
bentuk proses usaha untuk memperbaiki
kerusakan yang terjadi. Fase penyembuhan luka terdiri dari fase inflamasi,
fase proliferasi dan fase remodeling
(Robert F, 2004). Pemantauan pada luka
untuk menentukan apakah luka tersebut
sembuh ataupun infeksi penting dilakukan. Akan tetapi proses pemantauan
luka sayat akut maupun luka sayat
kronis masih bersifat konvensional
dimana pemantauan dilakukan secara
langsung oleh pihak medis yang
selanjutnya akan ditentukan langkah
yang harus diambil agar luka tersebut
dapat segera sembuh.
Pemanfaatan
teknologi
dalam
pemantauan proses penyembuhan luka
sayat masih sangat sedikit dibandingkan
dengan luka bakar dan luka memar.
Tujuan penelitian ini adalah menciptakan aplikasi dan dapat mengelompokkan fase penyembuhan luka dari
hasil pemantauan luka yang telah
dilakukan. Pengelompokkan yang dilakukan pada penelitian ini adalah fase
inflamasi dan fase proliferasi.
Pada penelitian ini Marmut merupakan objek yang diteliti. Marmut dilukai dengan memberi sayatan pada
kulitnya kemudian dipantau selama beberapa hari. Jumlah Marmut yang
digunakan sebanyak 4 ekor yang dipantau proses penyembuhan luka. Dari keempat Marmut dihasilkan 32 buah citra
luka dengan pembagian 16 buah citra sebagai data acuan dan selebihnya sebagai
data uji.
Metode yang digunakan untuk mengolah data citra luka terdiri dari beberapa tahap yaitu tahap preprocessing,
tahap Fuzzy Logic dan tahap Euclidean
Distance.
1. Tahap pre-processing
Tahap pre-processing yaitu tahap
merubah citra asli menjadi citra
grayscale dan citra biner. Tujuannya
untuk memisahkan ciri citra luka
dengan citra background sehingga
akan menghasilkan proses segmentasi
yang sempurna. Nilai piksel putih
dari citra biner akan digunakan untuk
inputan
proses
klasifikasi
menggunakan Fuzzy Logic.
2. Tahap Klasifikasi
Tahap klasifikasi
menggunakan
metode Fuzzy Logic dimana inputan
berupa jumlah piksel putih dari citra
luka.
Klasifikasi
citra
luka
digolongkan menjadi 2 fase luka
yaitu fase inflamasi dan fase
proliferasi. Dengan klasifikasi ini
diperoleh suatu kelompok yang
mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel
fuzzy.Variabel fuzzy yang dibahas
pada penelitian ini adalah fase luka
yang terbagi menjadi 2 himpunan
fuzzy, yaitu Fase Inflamasi dan Fase
2
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
Proliferasi. Untuk lebih jelasnya
dapat dilihat pada gambar 1.
....(1)
Fungsi keanggotaan fase proliferasi
seperti yang ditunjukkan pada
persamaan (1) akan bernilai 0 apabila
x bernilai lebih besar sama dengan
3991 dan akan bernilai 1 apabila x
bernilai lebih kecil sama dengan
3489, dimana x merupakan variabel
input, sedangkan apabila x bernilai di
antara 3489 sampai dengan 3991,
maka digunakan rumus linear turun.
Gambar 1. Himpunan fuzzy
Gambar 1 memperlihatkan himpunan
fuzzy yang terdiri dari himpunan linear
turun yang menyatakan fase proliferasi
dan himpunan linear naik yang
menyatakan fase inflamasi. Selain itu
juga terdapat himpunan fuzzy terdiri dari
batas bawah, batas atas dan nilai max.
Nilai batas bawah merupakan nilai ratarata fase proliferasi yang diperoleh dari
6 data sampel yaitu 3489, nilai batas atas
merupakan nilai rata-rata yang diperoleh
dari 10 data sampel yaitu 3991 dan nilai
4363 merupakan batas tertinggi fase
inflamasi.
b. Fungsi keanggotaan Fase Inflamasi :
Pada fase inflamasi fungsi keanggotaan himpunan fuzzy dapat dilihat
pada persamaan (2).
….....(2)
Domain
Dari hasil himpunan fuzzy yang telah
ditentukan, sehingga dapat diperoleh
domain himpunan fuzzy pada variabel
fase luka adalah sebagai berikut:
a. Fase Proliferasi
= [0, 3991]
b. Fase Inflamasi
= [3489, 4363]
Dari persamaan (2) terlihat bahwa fungsi
keanggotaan fase inflamasi akan bernilai
0 apabila x bernilai lebih kecil sama
dengan 3489 dan akan bernilai 1 apabila
x bernilai lebih besar sama dengan 3991
dimana x merupakan variabel input,
sedangkan apabila x bernilai di antara
3489 sampai dengan 3991, maka digunakan rumus linear naik.
Fungsi Keanggotaan
Berdasarkan representasi linear naik
dan linear turun, maka fungsi
keanggotaan pada variabel fase citra
luka adalah:
a. Fungsi keanggotaan Fase Poliferasi:
Berdasarkan dari hasil himpunan
fuzzy maka fungsi keanggotaan dari
fase proliferasi dapat dilihat pada
persamaan (1).
Tahap Identifikasi
Tahap identifikasi menggunakan
metode Euclidean Distance. Euclidean
Distance adalah metrika yang digunakan
untuk menghitung kesamaan dua vektor
(Dharma Putra, 2010).
Pada tahap ini proses identifikasi
dilakukan dengan membandingkan nilai
piksel citra luka dari citra uji dengan
3
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
pada persamaan (4), (5) dan (6) berikut
ini :
nilai piksel citra luka yang ada pada
database. Implementasi rumus Euclidean Distance ditunjukkan pada
persamaan (3).
=
TP
TP + FP ……………..(4)
Sensitivity =
TP
TP + FN……………..(5)
Precision
…...…………(3)
Confusion Matrix
Accuracy
Untuk menghitung tingkat keakuratan
sistem dapat digunakan dengan evaluasi
confusion matrix. Evaluasi menggunakan tabel matriks seperti ditunjukkan
pada tabel 1. Jika dataset hanya terdiri
dari dua kelas, kelas yang satu dianggap
sebagai positif dan yang lainnya negatif
(Bramer, 2007). Evaluasi dengan metode confusion matrix selain menghasilkan
nilai accuracy (keakurasian) juga menghasilkan nilai precision dan recall.
Nilai accuracy diperoleh dari persentase jumlah record data yang telah
diklasifikasikan dengan benar setelah
dilakukan pengujian oleh sistem (Han &
Kamber, 2006). Nilai precision atau
yang biasa disebut dengan confidence
adalah proporsi dari jumlah kasus yang
diprediksi positif dan juga bernilai
positif pada data yang sebenarnya
sedangkan nilai dari recall atau sering
disebut sensitivity adalah proporsi dari
jumlah kasus positif yang diprediksi
benar posistif (Powers, 2011).
=
TP + TN
TP + TN + FP + FN ….(6)
Dimana TP adalah True Positives, TN
adalah True Negatives, FP adalah False
Positives dan FN adalah False Negativs
HASIL DAN PEMBAHASAN
Proses Klasifikasi Dengan Metode
Fuzzy Logic
Klasifikasi Fuzzy Logic merupakan
tahapan ketika citra luka diklasifikasikan. Untuk inputan pada fungsi keanggotaan metode fuzzy logic menggunakan
jumlah nilai piksel putih dari hasil
segmentasi citra inputan, sehingga ketika nilai jumlah piksel putih di proses
menggunakan metode fuzzy logic, akan
menghasilkan nilai fungsi keanggotaan
fase inflamasi dan fase proliferasi. Tampilan aplikasi pada tahap proses
klasifikasi dapat dilihat pada gambar 2.
Tabel 1. Model confusion matrix
Correct
Classification
+
-
Classified as
+
True
False
positives
negatives
False
True
positives
negatives
Gambar 2. Proses klasifikasi
Berdasarkan tabel 1, maka dapat dihitung nilai precision, recall dan
accuracy seperti yang ditunujukkan
Proses Identifikasi
Proses identifikasi adalah proses
memilih sampel uji untuk mengukur
4
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
Euclidean Distance. Tahap ini dapat
diakses melalui form identifikasi. Button
“Load Gambar” untuk memilih sampel
citra yang akan diuji.
Proses pengujian dapat dilakukan
dengan menekan button ‘proses’ untuk
mendapat data citra uji dan hasil pengukuran Euclidean Distance. Selengkapnya dapat dilihat pada gambar 3.
Tabel 2 merupakan hasil pengujian citra
luka Marmut pertama pada hari ke-6.
Selanjutnya citra luka disegmentasi,
maka dihasilkan nilai piksel putih 3638.
Berdasarkan persamaan (1), maka fase
penyembuhan dapat diamati dengan
persamaan fungsi keanggotaan fase
proliferasi yang memiliki batas-batas
kondisi yang memenuhi 3489
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
APLIKASI PENGELOMPOKKAN FASE CITRA LUKA SAYATAN PADA
MARMUT (Cavia porcellus) MENGGUNAKAN METODE FUZZY LOGIC
DAN EUCLIDEAN DISTANCE
1
, Indrawati1* , Eka Ayu Lestari1, Sila Abdullah1
Jurusan Teknologi Informasi dan Komputer Politeknik Negeri Lhokseumawe
*Email: windra96@yahoo.com
ABSTRAK
Penyembuhan luka terdiri dari fase inflamasi, fase proliferasi dan fase remodeling.
Pemantauan luka dilakukan untuk melihat luka tersebut masih infeksi atau sudah
sembuh. Pada artikel ini pemantauan yang dilakukan pada citra luka sayatan kulit
Marmut (Cavia porcellus) sebanyak empat ekor. Metode yang digunakan untuk
mengidentifikasi fase suatu citra luka adalah metode Euclidean Distance, yang
memerlukan data acuan sebagai pembanding. Data acuan didapat dari hasil
klasifikasi citra luka menggunakan metode Fuzzy Logic. Pemantauan penyembuhan
luka dilakukan selama 7 hari. Dari pemantauan yang dilakukan diperoleh
sebanyak 32 buah citra luka sayatan, dengan pembagian 16 citra untuk data acuan
dan selebihnya sebagai data uji. Sistem pemantauan luka pada penelitian ini
menghasilkan tingkat keakurasian sistem sebesar 87,5% dengan nilai precision
sebesar 83,3% dan sensitivity sebesar 100%.
Kata kunci: euclidean distance, fuzzy logic, pengolahan citra
ABSTRAC
Injury healing consists of the inflammatory phase, the proliferative phase and
remodeling phase, the proliferative phase and remodeling phase. Monitoring is
done to look at the wound is still an infection or injury has healed. In this article
monitoring conducted on guinea pig skin incision wounds imagery four tails. The
method used to identify the phase of a lesion image is euclidean distance method,
which requires reference data for comparison. Reference data obtained from the
results of image classification using fuzzy logic wound. Monitoring wound healing
done during 7 days. Obtained from monitoring conducted as many as 32 pieces of
image cuts, with the division of 16 images for reference data and the remaining as
test data. The monitoring system injuries in this study resulted in the level of
system accuracy of 87.5% with a precision value of 83.3% and a sensitivity of
100%.
Key words: euclidean distance, fuzzy logic, image processing
1
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
PENDAHULUAN
METODE PENELITIAN
Luka didefenisikan sebagai kerusakan
integritas epitel dari kulit (Brown DL,
2004), luka juga didefenisikan sebagai
terputusnya kesatuan struktur anatomi
normal dari suatu jaringan akibat suatu
trauma atau rusaknya sebagian jaringan
tubuh (Rahmawati dkk, 2009).
Salah satu bentuk luka adalah luka
sayat. Luka sayat adalah luka daerah
kulit yang terpotong akibat sebuah
pinggiran yang tajam, seperti pisau,
perkakas kecil atau pinggiran kertas.
Luka tersebut sering berdarah dan
pinggiran lukanya sedikit pecah,
penyembuhannya memerlukan waktu
beberapa hari.
Penyembuhan luka adalah suatu
bentuk proses usaha untuk memperbaiki
kerusakan yang terjadi. Fase penyembuhan luka terdiri dari fase inflamasi,
fase proliferasi dan fase remodeling
(Robert F, 2004). Pemantauan pada luka
untuk menentukan apakah luka tersebut
sembuh ataupun infeksi penting dilakukan. Akan tetapi proses pemantauan
luka sayat akut maupun luka sayat
kronis masih bersifat konvensional
dimana pemantauan dilakukan secara
langsung oleh pihak medis yang
selanjutnya akan ditentukan langkah
yang harus diambil agar luka tersebut
dapat segera sembuh.
Pemanfaatan
teknologi
dalam
pemantauan proses penyembuhan luka
sayat masih sangat sedikit dibandingkan
dengan luka bakar dan luka memar.
Tujuan penelitian ini adalah menciptakan aplikasi dan dapat mengelompokkan fase penyembuhan luka dari
hasil pemantauan luka yang telah
dilakukan. Pengelompokkan yang dilakukan pada penelitian ini adalah fase
inflamasi dan fase proliferasi.
Pada penelitian ini Marmut merupakan objek yang diteliti. Marmut dilukai dengan memberi sayatan pada
kulitnya kemudian dipantau selama beberapa hari. Jumlah Marmut yang
digunakan sebanyak 4 ekor yang dipantau proses penyembuhan luka. Dari keempat Marmut dihasilkan 32 buah citra
luka dengan pembagian 16 buah citra sebagai data acuan dan selebihnya sebagai
data uji.
Metode yang digunakan untuk mengolah data citra luka terdiri dari beberapa tahap yaitu tahap preprocessing,
tahap Fuzzy Logic dan tahap Euclidean
Distance.
1. Tahap pre-processing
Tahap pre-processing yaitu tahap
merubah citra asli menjadi citra
grayscale dan citra biner. Tujuannya
untuk memisahkan ciri citra luka
dengan citra background sehingga
akan menghasilkan proses segmentasi
yang sempurna. Nilai piksel putih
dari citra biner akan digunakan untuk
inputan
proses
klasifikasi
menggunakan Fuzzy Logic.
2. Tahap Klasifikasi
Tahap klasifikasi
menggunakan
metode Fuzzy Logic dimana inputan
berupa jumlah piksel putih dari citra
luka.
Klasifikasi
citra
luka
digolongkan menjadi 2 fase luka
yaitu fase inflamasi dan fase
proliferasi. Dengan klasifikasi ini
diperoleh suatu kelompok yang
mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel
fuzzy.Variabel fuzzy yang dibahas
pada penelitian ini adalah fase luka
yang terbagi menjadi 2 himpunan
fuzzy, yaitu Fase Inflamasi dan Fase
2
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
Proliferasi. Untuk lebih jelasnya
dapat dilihat pada gambar 1.
....(1)
Fungsi keanggotaan fase proliferasi
seperti yang ditunjukkan pada
persamaan (1) akan bernilai 0 apabila
x bernilai lebih besar sama dengan
3991 dan akan bernilai 1 apabila x
bernilai lebih kecil sama dengan
3489, dimana x merupakan variabel
input, sedangkan apabila x bernilai di
antara 3489 sampai dengan 3991,
maka digunakan rumus linear turun.
Gambar 1. Himpunan fuzzy
Gambar 1 memperlihatkan himpunan
fuzzy yang terdiri dari himpunan linear
turun yang menyatakan fase proliferasi
dan himpunan linear naik yang
menyatakan fase inflamasi. Selain itu
juga terdapat himpunan fuzzy terdiri dari
batas bawah, batas atas dan nilai max.
Nilai batas bawah merupakan nilai ratarata fase proliferasi yang diperoleh dari
6 data sampel yaitu 3489, nilai batas atas
merupakan nilai rata-rata yang diperoleh
dari 10 data sampel yaitu 3991 dan nilai
4363 merupakan batas tertinggi fase
inflamasi.
b. Fungsi keanggotaan Fase Inflamasi :
Pada fase inflamasi fungsi keanggotaan himpunan fuzzy dapat dilihat
pada persamaan (2).
….....(2)
Domain
Dari hasil himpunan fuzzy yang telah
ditentukan, sehingga dapat diperoleh
domain himpunan fuzzy pada variabel
fase luka adalah sebagai berikut:
a. Fase Proliferasi
= [0, 3991]
b. Fase Inflamasi
= [3489, 4363]
Dari persamaan (2) terlihat bahwa fungsi
keanggotaan fase inflamasi akan bernilai
0 apabila x bernilai lebih kecil sama
dengan 3489 dan akan bernilai 1 apabila
x bernilai lebih besar sama dengan 3991
dimana x merupakan variabel input,
sedangkan apabila x bernilai di antara
3489 sampai dengan 3991, maka digunakan rumus linear naik.
Fungsi Keanggotaan
Berdasarkan representasi linear naik
dan linear turun, maka fungsi
keanggotaan pada variabel fase citra
luka adalah:
a. Fungsi keanggotaan Fase Poliferasi:
Berdasarkan dari hasil himpunan
fuzzy maka fungsi keanggotaan dari
fase proliferasi dapat dilihat pada
persamaan (1).
Tahap Identifikasi
Tahap identifikasi menggunakan
metode Euclidean Distance. Euclidean
Distance adalah metrika yang digunakan
untuk menghitung kesamaan dua vektor
(Dharma Putra, 2010).
Pada tahap ini proses identifikasi
dilakukan dengan membandingkan nilai
piksel citra luka dari citra uji dengan
3
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
pada persamaan (4), (5) dan (6) berikut
ini :
nilai piksel citra luka yang ada pada
database. Implementasi rumus Euclidean Distance ditunjukkan pada
persamaan (3).
=
TP
TP + FP ……………..(4)
Sensitivity =
TP
TP + FN……………..(5)
Precision
…...…………(3)
Confusion Matrix
Accuracy
Untuk menghitung tingkat keakuratan
sistem dapat digunakan dengan evaluasi
confusion matrix. Evaluasi menggunakan tabel matriks seperti ditunjukkan
pada tabel 1. Jika dataset hanya terdiri
dari dua kelas, kelas yang satu dianggap
sebagai positif dan yang lainnya negatif
(Bramer, 2007). Evaluasi dengan metode confusion matrix selain menghasilkan
nilai accuracy (keakurasian) juga menghasilkan nilai precision dan recall.
Nilai accuracy diperoleh dari persentase jumlah record data yang telah
diklasifikasikan dengan benar setelah
dilakukan pengujian oleh sistem (Han &
Kamber, 2006). Nilai precision atau
yang biasa disebut dengan confidence
adalah proporsi dari jumlah kasus yang
diprediksi positif dan juga bernilai
positif pada data yang sebenarnya
sedangkan nilai dari recall atau sering
disebut sensitivity adalah proporsi dari
jumlah kasus positif yang diprediksi
benar posistif (Powers, 2011).
=
TP + TN
TP + TN + FP + FN ….(6)
Dimana TP adalah True Positives, TN
adalah True Negatives, FP adalah False
Positives dan FN adalah False Negativs
HASIL DAN PEMBAHASAN
Proses Klasifikasi Dengan Metode
Fuzzy Logic
Klasifikasi Fuzzy Logic merupakan
tahapan ketika citra luka diklasifikasikan. Untuk inputan pada fungsi keanggotaan metode fuzzy logic menggunakan
jumlah nilai piksel putih dari hasil
segmentasi citra inputan, sehingga ketika nilai jumlah piksel putih di proses
menggunakan metode fuzzy logic, akan
menghasilkan nilai fungsi keanggotaan
fase inflamasi dan fase proliferasi. Tampilan aplikasi pada tahap proses
klasifikasi dapat dilihat pada gambar 2.
Tabel 1. Model confusion matrix
Correct
Classification
+
-
Classified as
+
True
False
positives
negatives
False
True
positives
negatives
Gambar 2. Proses klasifikasi
Berdasarkan tabel 1, maka dapat dihitung nilai precision, recall dan
accuracy seperti yang ditunujukkan
Proses Identifikasi
Proses identifikasi adalah proses
memilih sampel uji untuk mengukur
4
Jurnal Reaksi (Journal of Science and Technology)
Jurusan Teknik Kimia Politeknik Negeri Lhokseumawe
Vol. 12 No.2, Desember2014 ISSN 1693-248X
Euclidean Distance. Tahap ini dapat
diakses melalui form identifikasi. Button
“Load Gambar” untuk memilih sampel
citra yang akan diuji.
Proses pengujian dapat dilakukan
dengan menekan button ‘proses’ untuk
mendapat data citra uji dan hasil pengukuran Euclidean Distance. Selengkapnya dapat dilihat pada gambar 3.
Tabel 2 merupakan hasil pengujian citra
luka Marmut pertama pada hari ke-6.
Selanjutnya citra luka disegmentasi,
maka dihasilkan nilai piksel putih 3638.
Berdasarkan persamaan (1), maka fase
penyembuhan dapat diamati dengan
persamaan fungsi keanggotaan fase
proliferasi yang memiliki batas-batas
kondisi yang memenuhi 3489