Pemanfaatan Teknologi Web Services Pada Pengolahan Citra Medis

PEMANFAATAN

PADA PENGOLAHAN CIT

TIGOR HAMONANGAN NAS

UNIVERSITAS S

EMANFAATAN TEKNOLOGI WEB SERVICES PADA PENGOLAHAN CITRA MEDIS

TESIS

Oleh

TIGOR HAMONANGAN NASUTION 087034034/TE

FAKULTAS TEKNIK

UNIVERSITAS SUMATERA UTARA MEDAN

Telah Diuji pada

Tanggal: 20 Januari 2012

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Ir. Usman Baafai

Anggota : 1. Dr. Benny B. Nasution, Dipl.Ing, M.Eng 2. Prof. Dr. Opim Salim Sitompul, M.Si 3. Fakhruddin Rizal Batubara, ST, MTI 4. Fahmi, S.T, M.Sc

ABSTRAK

Topik yang diangkat pada penelitian ini adalah perancangan sistem berbasis jaringan untuk pemanfaatan aplikasi pengolahan citra medis. Berbeda dengan aplikasi standalone,sistem yang dirancang dapat digunakan untuk banyak pengguna sehingga dapat mengurangi biaya dalam pembelian komputer berkemampuan tinggi untuk pengolahan citra medis. Sistem yang dirancang dapat bekerja di berbagai macam platform dengan grafis antar muka berbasis web. Sistem dibangun dengan menggunakan teknologi web services.

Tahapan penelitian meliputi pengumpulan data dan perancangan sistem berbasis jaringan. Data yang digunakan merupakan data citra medis hasil scan MRI dengan format DICOM. Sistem terdiri dari aplikasi server dan aplikasi klien dengan menggunakan bahasa pemrograman Java dan librari ITK untuk pengolahan citra medis. Sistem berkomunikasi dengan teknologi web services XML-RPC untuk pertukaran data dengan menggunakan format XML.

Uji coba sistem dilakukan dengan membandingkan sistem berbasis jaringan dengan aplikasi standalone pengolahan citra medis. Hasil pengolahan citra yang dilakuakan menggunakan sistem jaringan tidak berbeda dengan hasil yang diperoleh pada sistem standalone. Waktu yang dibutuhkan untuk proses lebih cepat dari proses yang dilakukan standalonedengan perbedaan yang cukup signifikan pada kasus multi klien. Uji coba sistem berjalan dengan baik dan sesuai dengan yang diharapkan sehingga sistem ini dapat diterapkan untuk mendistribusikan data hasil pengolahan citra medis.

Kata-kata kunci: web services, XML-RPC, pengolahan citra medis, sistem berbasis jaringan

ABSTRACT

The topic discussed in this study is a network-based system design for the utilization of medical image processing application. The system is different from the application of standalone system designed to be used by many users, that it can minimize the cost of purchasing many computers to process the medical image. The system designed can work at various kinds of platforms with web-based interface graphic. This system is built by using web-service technology.

The stages of study included data collecting and web-based system design. The data used were the medical image scanned by using MRI with DICOM format. The system consisted of server application and client application using the Java programming language and ITK library for medical image management. The system communicated using XML-RPC web-service technology for data exchanging by using XML format.

The system try out was performed by comparing the web-based system with the application of standalone medical image processing. The system try out ran well in accordance with what expected that this system can be applied to distribute the data resulted from medical image processing.

Keywords: Web-Services, XML-RPC, Medical Image Processing, Network-Based System

KATA PENGANTAR

Puji syukur penulis ucapkan kehadirat Allah SWT atas nikmat dan karunia yang telah diberikan kepada penulis sehingga dapat menyelesaikan tesis dengan judul “Pemanfaatan Teknologi Web Services Pada Pengolahan Citra Medis””.. Salawat beriring salam tak lupa penulis persembahkan kepada junjungan Umat Islam, Nabi Muhammad SAW.

Dalam penyelesaian tesis ini penulis banyak mendapat bantuan, bimbingan, dan dukungan dari berbagai pihak. Oleh karena itu dengan segala kerendahan hati, penulis mengucapkan terima kasih dan penghargaan yang sebesar-besarnya atas segala bimbingan, bantuan serta dukungannya kepada Bapak Prof. Dr. Ir. Usman Baafai, selaku ketua komisi pembimbing dan Bapak Dr. Benny B. Nasution, Dipl.Ing. M.Eng selaku anggota komisi pembimbing yang telah mengarahkan dan membimbing penulis selama penyelesaian tesis ini. Tak lupa penulis mengucapkan terima kasih kepada Bapak Prof. Dr. Opim Salim Sitompul, M.Si, Bapak Fakhruddin R. Batubara, ST, MTI, dan bapak Fahmi, S.T, M.Sc selaku Pembanding utama yang telah memberikan kritik dan masukan terhadap tesis ini.

Penulis juga mengucapkan terima kasih kepada orang tua penulis, Bapak Indra Sakti Nasution dan Ibu Kartika atas doanya. Terima kasih juga kepada abang penulis Arief Zulkarnain Nasution, ST, kakak penulus Indah Karvina Nasution, Amd, dan adik penulis Ria Iriany Nasution, Amd yang selalu menjadi penyemangat penulis.

Terima kasih juga kepada wanita yang spesial bagi penulis, Erna Kurnia, SE yang selalu menemani dan memberikan semangat kepada penulis. Tak lupa ucapan terima kasih kepada keluarga dan teman-teman penulis yang telah banyak memberikan semangat dan perhatian sehingga tesis ini selesai.

Penulis menyadari bahwa tesis ini masih jauh dari kesempurnaan. Penulis berharap semoga tesis ini dapat berguna untuk menambah cakrawala ilmu pengetahuan bagi para pembaca.

Medan, Januari 2012 Penulis,

DAFTAR RIWAYAT HIDUP

Saya yang bertanda tangan di bawah ini:

Nama : Tigor Hamonangan Nasution Tempat / Tanggal Lahir : Medan / 15 April 1985 Jenis Kelamin : Laki-laki

Agama : Islam

Status Perkawinan : Belum Menikah

Pekerjaan : Staff Honorer Pusat Sistem Informasi USU Alamat Rumah : Jl. Perbatasan Barat No. 5 Medan

Telepon : 08126303460

Email : tigor.nasution@usu.ac.id Pendidikan Formal

1991 – 1997 : SD Islam Azizi 1997 – 2000 : SMP Negeri 2 Medan 2000 – 2001 : SMU Negeri 13 Medan 2001 – 2003 : SMU Negeri 3 Medan

2003 – 2007 : Fakultas Teknik Departemen Teknik Elektro Program Studi Teknik Elektro, Universitas Sumatera Utara, Medan

Kegiatan Ilmiah

Demikian daftar riwayat hidup ini saya perbuat dengan sebenar-benarnya.

Tertanda

( Tigor H. Nasution ) No Judul Karya Ilmiah / Penelitian Pelaksana / Jurnal Tahun

1 Perancangan Aplikasi Wireless Perangkat Bergerak Menggunakan Teknologi J2ME

USU/ Tugas Akhir 2007

2 Pemanfaatan Teknologi Web Services Pada Pengolahan Citra Medis

DAFTAR ISI

Halaman

ABSTRAK ... i

ABSTRACT... ii

KATA PENGANTAR...iii

DAFTAR RIWAYAT HIDUP... v

DAFTAR ISI ... vii

DAFTAR GAMBAR ... ix

DAFTAR TABEL ... x

DAFTAR ISTILAH ... xi

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang... 1

1.2 Perumusan Masalah... 5

1.3 Batasan Masalah ... 6

1.4 Tujuan Penelitian... 6

1.5 Manfaat Penelitian... 6

1.6 Sistematika Pembahasan... 7

BAB 2 TINJAUAN PUSTAKA ... 8

2.1 Pengolahan Citra Medis ... 8

2.2 ITK... 12

2.3 Komunikasi Data Citra Medis Pada Jaringan Komputer ... 12

2.4Web Services... 13

2.4.1 XML-RPC... 15

BAB 3 METODE PENELITIAN... 18

3.1 Rancangan Penelitian ... 18

3.2 Pengumpulan Data Citra Medis ... 18

3.3 Pemodelan Sistem... 18

3.4 Segmentasi Citra Medis... 20

3.5 Komunikasi Data Citra Medis Dengan Web Services... 23

3.6 Pembuatan Aplikasi Standalone... 27

3.7.1 Pembuatan Aplikasi Server... 33

3.7.2 Pembuatan Aplikasi Klien ... 34

3.8 Instrumen Penelitian ... 35

3.8.1 Perangkat Keras ... 35

3.8.2 Perangkat Lunak ... 36

BAB 4 HASIL DAN ANALISIS ... 37

4.1 Hasil Perancangan Sistem ... 37

4.2 Pengujian Multi Klien ... 42

4.3 Analisis Hasil Perancangan ... 47

BAB 5 KESIMPULAN DAN SARAN... 49

5.1 Kesimpulan... 49

5.2 Saran ... 49 DAFTAR PUSTAKA

DAFTAR GAMBAR

Nomor Judul Halaman

1.1 Skema Sistem Berbasis Jaringan dengan Menggunakan Web Services... 3

3.1 Diagram Use Case... 19

3.2 Transportasi Data Dengan XML-RPC ... 26

3.3 Diagram Kelas Klien... 29

3.4 Diagram Kelas Server ... 29

3.5 Digram Activity Segmentasi Otsu ... 30

3.6 Diagram Activity Segmentasi Multilevel ... 31

3.7 Diagram Activity Simpan ... 32

4.1 Citra Hasil Segmentasi dengan 2 Threshold ... 39

4.2 Citra Hasil Segmentasi dengan 3 Threshold ... 40

4.3 Citra Hasil Segmentasi dengan 4 Threshold ... 41

DAFTAR TABEL

Nomor Judul Halaman

1.1 Perbedaan Dengan Penelitian Sebelumnya... 4

4.1 Perbandingan Hasil Pengujian ... 38

4.2 Percobaan Dengan Lima Klien ... 42

4.3 Percobaan Dengan Sepuluh Klien... 43

4.4 Percobaan Dengan Lima Belas Klien ... 44

4.5 Percobaan Dengan Dua Puluh Klien... 45

DAFTAR ISTILAH A

Applet

Java aplikasi, sebuah program aplikasi yang menggunakan web browser klien untuk menyediakan antarmuka pengguna.

Array

Suatu struktur yang terdiri dari sejumlah elemen yang memiliki tipe data yang sama.

B Browser

sebuah program yang digunakan untuk melihat dokumen HTML.

C

Clustering

Pengelompokan sejumlah hal yang serupa. cross-platform

Lintas platform. CT

Computed Temography; Metode pemeriksaan organ tubuh dengan memindai mereka dengan sinar X dan menggunakan komputer untuk membangun serangkaian cross-sectional scan sepanjang sumbu tunggal.

D

Diagram activity

representasi grafis dari alur kerja kegiatan bertahap dan tindakan dengan dukungan untuk pilihan, iterasi dan konkurensi

Diagram class

Jenis diagram struktur statis yang menggambarkan struktur dari suatu sistem dengan menunjukkanclasssistem, atribut mereka, operasi (atau metode), dan hubungan antar kelas.

Diagram use case

Daftar langkah-langkah, biasanya mendefinisikan interaksi antara peran (dikenal dalam UML sebagai "aktor") dan sistem, untuk mencapai tujuan.

DICOM

Digital Imaging and Communications in Medicine; Standar untuk menangani, menyimpan, mencetak, dan mengirimkan informasi dalam pencitraan medis.

E

F

Framework

Kerangka kerja perangkat lunak yang digunakan untuk mengimplementasikan struktur standar sebuah aplikasi untuk sistem operasi tertentu.

G GUI

Graphical User Interface; Antarmuka pengguna berdasarkan grafis (ikon dan gambar dan menu), bukan teks, menggunakan mouse serta keyboard sebagai perangkat input.

H Header

HTTP

Hypertext Transfer Protocol; sebuah protokol aplikasi untuk didistribusikan, kolaboratif, sistem informasi hypermedia.

HTTP POST

Salah satu metode permintaan yang didukung oleh protokol HTTP yang digunakan oleh World Wide Web.

I ITK

Insinght Segmentation and Registration Toolkit;Librari open-sourceuntuk pengolahan citra baik 2D maupun 3D khususnya untuk citra medis.

J

K Klien

Perangkat lunak yang mengakses layanan remotepada komputer lain.

L Librari

Koleksi dari subprogram yang digunakan untuk mengembangkan perangkat lunak.

M Method

MRI

Magnetic Resonance Imaging; Teknik pencitraan medis yang digunakan di radiologi untuk memvisualisasikan struktur internal secara rinci.

N

O

P Pixel

Satu titik dalam citra raster, atau elemen layar terkecil dalam perangkat layar, Platform

Frameworkdi mana aplikasi dapat dijalankan. Port

Koneksi virtual data antara program komputer melalui jaringan komputer.

Q

R

Region growing

Metode segmentasi berbasis pixel citra karena melibatkan pemilihan poin benih awal. Remote procedure call

antar-proses komunikasi yang memungkinkan sebuah program komputer untuk mengeksekusi subrutin atau prosedur dalam ruang alamat yang lain (umumnya pada komputer lain pada jaringan berbagi).

REST

Representational State Transfer; Arsitektur perangkat lunak untuk sistem hypermedia terdistribusi seperti World Wide Web

S

Segmentasi

Proses partisi gambar digital menjadi beberapa segmen (set piksel, juga dikenal sebagai superpixels)

Server

Sebuah aplikasi server, sistem operasi, komputer, atau alat. SOAP

Simple Object Access Protocol; Spesifikasi protokol untuk bertukar informasi terstruktur dalam pelaksanaanWeb Servicesdalam jaringan komputer.

T

Threshold

Nilai ambang batas. thresolding

Metode sederhana pada segmentasi citra.

U UDDI

Universal Description, Discovery and Integration; Platform independen berbasis XML.

W

Web Services

Metode komunikasi antara dua perangkat elektronik melalui web. WSDL

Web Services Description Language; Sebuah bahasa berbasis XML yang digunakan untuk menggambarkan fungsionalitas yang ditawarkan olehWeb Services.

X XML

Extensible Markup Language; Sebuah bahasa markup yang mendefinisikan

seperangkat aturan pengkodean untuk dokumen dalam format yang dapat dibaca baik manusia dan mesin.

XML-RPC

Protokol (RPC) yang menggunakan XML untuk mengkodekan panggilan dan HTTP sebagai mekanisme transportasi

Y

ABSTRAK

Topik yang diangkat pada penelitian ini adalah perancangan sistem berbasis jaringan untuk pemanfaatan aplikasi pengolahan citra medis. Berbeda dengan aplikasi standalone,sistem yang dirancang dapat digunakan untuk banyak pengguna sehingga dapat mengurangi biaya dalam pembelian komputer berkemampuan tinggi untuk pengolahan citra medis. Sistem yang dirancang dapat bekerja di berbagai macam platform dengan grafis antar muka berbasis web. Sistem dibangun dengan menggunakan teknologi web services.

Tahapan penelitian meliputi pengumpulan data dan perancangan sistem berbasis jaringan. Data yang digunakan merupakan data citra medis hasil scan MRI dengan format DICOM. Sistem terdiri dari aplikasi server dan aplikasi klien dengan menggunakan bahasa pemrograman Java dan librari ITK untuk pengolahan citra medis. Sistem berkomunikasi dengan teknologi web services XML-RPC untuk pertukaran data dengan menggunakan format XML.

Uji coba sistem dilakukan dengan membandingkan sistem berbasis jaringan dengan aplikasi standalone pengolahan citra medis. Hasil pengolahan citra yang dilakuakan menggunakan sistem jaringan tidak berbeda dengan hasil yang diperoleh pada sistem standalone. Waktu yang dibutuhkan untuk proses lebih cepat dari proses yang dilakukan standalonedengan perbedaan yang cukup signifikan pada kasus multi klien. Uji coba sistem berjalan dengan baik dan sesuai dengan yang diharapkan sehingga sistem ini dapat diterapkan untuk mendistribusikan data hasil pengolahan citra medis.

Kata-kata kunci: web services, XML-RPC, pengolahan citra medis, sistem berbasis jaringan

ABSTRACT

The topic discussed in this study is a network-based system design for the utilization of medical image processing application. The system is different from the application of standalone system designed to be used by many users, that it can minimize the cost of purchasing many computers to process the medical image. The system designed can work at various kinds of platforms with web-based interface graphic. This system is built by using web-service technology.

The stages of study included data collecting and web-based system design. The data used were the medical image scanned by using MRI with DICOM format. The system consisted of server application and client application using the Java programming language and ITK library for medical image management. The system communicated using XML-RPC web-service technology for data exchanging by using XML format.

The system try out was performed by comparing the web-based system with the application of standalone medical image processing. The system try out ran well in accordance with what expected that this system can be applied to distribute the data resulted from medical image processing.

Keywords: Web-Services, XML-RPC, Medical Image Processing, Network-Based System

BAB 1 PENDAHULUAN 1.1 Latar Belakang

Dewasa ini perkembangan sistem berbasis jaringan semakin banyak dikembangkan. Salah satu perkembangannya adalah teknologi web services. Web services menggunakan standar yang tidak terikat pada platform (platform-neutral) dan tidak terikat pada bahasa pemrograman yang digunakan (language-neutral) [1] [2]. Dengan demikian, web services memudahkan beberapa aplikasi atau komponennya untuk saling berhubungan dengan aplikasi lain dalam sebuah organisasi maupun di luar organisasi.

Seiring dengan perkembangan sistem berbasis jaringan, perkembangan teknologi pengolahan citra medis juga semakin pesat. Hal ini dapat dilihat dengan banyaknya aplikasi yang mampu melakukan pemrosesan hasil citra medis dari peralatan medis seperti Computed Temography (CT), Magnetic Resonance Imaging (MRI), Positron Emission Temography (PET) dan sistem x-ray [3]. Dengan aplikasi pengolahan citra medis, data citra medis dapat divisualisasikan dan dianalisis untuk keperluan diagnostik.

Aplikasi pengolahan citra medis yang ada umumnya hanya bersifat standalone [4]. Dengan demikian maka pada masing-masing peralatan medis yang ada diperlukan sebuah komputer untuk mengolah data citra medis. Jika dalam suatu rumah sakit memiliki banyak peralatan medis (multimodal) yang membutuhkan

2

pengolahan data citra medis, maka dengan aplikasi yang bersifat standalone dibutuhkan banyak komputer untuk melakukan pengolahan citra medis tersebut. Hal tersebut akan membutuhkan biaya yang besar, karena komputer yang digunakan untuk melakukan pengolahan citra medis harus memiliki kemampuan yang lebih tinggi dari komputer biasa, terkait dengan ukuran besar data dan kompleksitas pengolahan datanya.

Salah satu cara yang mungkin dilakukan untuk mengatasi masalah di atas adalah dengan menggunakan suatu sistem berbasis jaringan. Dengan sistem berbasis jaringan dapat dilakukan pengolahan citra medis pada suatu komputer yang terpusat. Teknologi web services merupakan salah satu teknologi yang dapat digunakan pada sistem berbasis jaringan untuk membangun suatu aplikasi yang terdistribusi [5].

Dengan menggunakan web services maka terdapat dua aplikasi pada sistem yang dibangun, yaitu aplikasi pada server dan aplikasi pada klien. Pada aplikasi untuk klien dapat digunakan aplikasi yang berbasis Graphical User Interface (GUI). Akan tetapi dengan aplikasi yang berbasis GUI diperlukan proses instalasi pada masing-masing komputer klien. Hal ini dapat menimbulkan masalah karena dibutuhkan resource ataupun platform tertentu pada masing-masing komputer klien. Untuk mengatasi hal teresebut dapat dilakukan alternatif lain yaitu dengan merancang suatu aplikasi klien yang berbasis web.

Aplikasi berbasis web dapat berjalan di banyak platform komputer dengan menggunakan aplikasi browser untuk menjalankannya. Akan tetapi sistem yang berbasis web mempunyai keterbatasan dalam membangun aplikasi yang interaktif [4].

3

Java Applet dapat digunakan untuk mengatasi hal tersebut, karena dengan Applet dapat dibangun suatu aplikasi berbasis GUI yang dapat berjalan pada suatu browser [6]. Skema dari sistem berbasis jaringan dengan menggunakan web services dapat dilihat pada Gambar 1.1.

Gambar 1.1 Skema Sistem Berbasis Jaringan dengan Menggunakan Web Services

Penelitian ini dilakukan berdasarkan kajian pustaka pada penelitian-penelitian sebelumnya dengan beberapa perbedaan seperti terlihat pada Tabel 1.1. Sebelumnya Spiros Koulouzis, dkk [7] telah membahas transportasi data medis dengan menggunakan web services. Mereka menggunakan Simple Object Access Protocol (SOAP) yang merupakan salah satu protokol berbasis Extensible Markup Language (XML) [8]. Pada penelitian yang dilakukan oleh Sayed Ehsan Mahmodi, dkk [4] telah

4

dirancang suatu sistem pengolahan citra medis yang berbasis web visualisasi yang menggunakan bahasa pemrograman web murni (tanpa menggunakan applet). Pada penelitian lain, Danzhou Liu, dkk [9] merancang sebuah framework untuk pengolahan citra medis dalam jaringan internet yang difokuskan pada citra medis 3D yang mempunyai resolusi yang tinggi. Sedangkan pada penelitian yang dilakukan oleh Jianguo Zhang, dkk [10] lebih membahas masalah keamanan pada komunikasi citra medis pada jaringan internet.

Tabel 1.1Perbedaan Dengan Penelitian Sebelumnya

Penulis Judul Penelitian Pembahasan Tahun Spiros Koulouzis,

Elena Zudilova-Seinstra, dan Adam Belloum

Data Transport between Visualization Web Services for Medical Image Analysis

Transportasi data dengan menggukan web services. 2010 Seyyed Ehsan Mahmoudi, dkk Web-based interactive 2D/3D medical image processing and visualization software

Pengolahan dan visualisasi citra medis 2D/3D berbasis web

2010

Danzhou Liu, Kien A. Hua, dan Kiminobu

Sugaya

A Generic Framework for Internet-Based Interactive Applications of High-Resolution 3-D Medical Image Data

Frameworkberbasis jaringan untuk data medis 3D dengan resolusi yang besar

2008 Jianguo Zhang, Fenghai Yu, Jianyong Sun, Yuanyuan Yang, dan Chenwen Liang

DICOM Image Secure Communications With Internet Protocols IPv6 and IPv4

Keamanan komunikasi citra medis pada jaringan internet

2007

Seperti yang terlihat pada Tabel 1.1, terdapat beberapa perbedaan antara pada penelitian yang dilakukan dengan penelitian-penelitian sebelumnya yaitu:

5

Walaupun sistem yang dibangun berbasis jaringan, namun berbeda dengan penelitian sebelumnya [4] [9] [10] penelitian ini menggunakanweb services untuk mengakses aplikasi yang ada pada server. Hal ini dilakukan karena web services dapat berjalan di banyak platform komputer dan tidak terikat pada bahasa pemrograman tertentu. Dibandingkan dengan penelitian [7] walaupun telah sama-sama menggunakan web sevices, namun pada penelitian ini digunakan teknologi web services yang berbeda dengan penelitian sebelumnya. Pada penelitian ini digunakan teknologiweb servicesXML-RPC.

b. Visualisasi Dengan Java Applet

Untuk visualisasi pada klien digunakan Java Applet yang merupakan aplikasi menggunakan bahasa pemrograman Java yang dapat berjalan pada sebuah browser [6]. Hal ini berbeda dengan penelitian sebelumnya [4] yang tidak menggunakan applet dalam membangun aplikasi klien.Penggunaan Java Applet digunakan karena Java Applet mendukung untuk membuat aplikasi yang lebih interaktif. Hal ini diharapkan dapat mengatasi keterbatasan pada penelitian sebelumnya untuk merancang aplikasi klien yang lebih interaktif.

1.2 Perumusan Masalah

Berdasarkan latar berlakang yang dipaparkan, masalah utama dari penelitian ini adalah bagaimana sistem pengolahan citra medis berbasis jaringan yang dibangun dapat berjalan seperti sistem yang bersifat standalone atau berdiri sendiri. Dari masalah ini hal teknis yang perlu dilakukan adalah:

6

a. Bagaimana mengatur komunikasi data citra medis pada jaringan komputer pada suatu sistem berbasis jaringan agar waktu yang dibutuhkan untuk berkomunikasi tidak terlalu lama.

b. Bagaimana mengatur pembagian sumber daya pengolahan citra medis untuk banyak klien pada sistem berbasis jaringan.

1.3 Batasan Masalah

Dari rumusan masalah yang ada, untuk mengurangi pembahasan yang meluas maka dilakukan pembatasan masalah sebagai berikut:

a. Pengolahan citra yang dilakukan merupakan segmentasi pada citra medis dengan menggunakan librari pada Insight Segmentation and Registration Toolkit(ITK). b. Citra yang digunakan adalah citra medis dengan format Digital Imaging and

Communications in Medicine (DICOM).

c. Sistem pengujian berjalan pada jaringan lokal (intranet).

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah terciptanya suatu sistem pengolahan citra medis berbasis jaringan yang dapat melakukan pengolahan data citra medis pada komputer server yang dapat diakses oleh beberapa komputer klien.

1.5 Manfaat Penelitian

7

a. Untuk memberikan kontribusi ilmu pada bidang pengolahan citra medis dan jaringan.

b. Untuk mendapatkan sistem pengolahan citra medis yang lebih murah dengan menggunakan sumber daya yang lebih sedikit namun efisien.

1.6 Sistematika Pembahasan

Pada tulisan ini disusun sebanyak lima bab yang terdiri dari:

BAB I : PENDAHULUAN, berisi kerangka penelitian yaitu latar belakang, rumusan masalah, tujuan penelitian, batasan masalah, dan metode yang ditempuh;

BAB II : TINJAUAN PUSTAKA, memuat berbagai teori pengolahan citra medis, pendistribusian hasil pengolahan citra medis, dan web services yang dijadikan landasan dalam melakukan penulisan dan perancangan;

BAB III: METODE PENELITIAN, berisi tentang rancangan sistem yang dibangun, pengumpulan data, pemodelan sistem berserta metode-metode yang dilakukan dalam penelitian;

BAB IV : HASIL PERCOBAAN DAN ANALISIS, berisi analisis dari hasil perancangan sistem yang dibandingkan dengan aplikasi standalone. Analisis dilakukan dengan pengujian terhadap sistem yang dirancang; BAB V : KESIMPULAN DAN SARAN, berisi hasil simpulan dari tulisan dan

BAB 2

TINJAUAN PUSTAKA 2. 1 Pengolahan Citra Medis

Pada proses pengolahan citra medis tahapan algoritma terdiri dari 8 bagian yaitu perbaikan, segmentasi, kuantifikasi, registrasi, visualisasi dan bagian akhir yang mencakup kompresi, penyimpanan, dan komunikasi [11]. Konsep-konsep ini digunakan untuk melakukan pengolahan dan analisa citra medis setelah didapatkan citra digital dari peralatan medis yang ada diantaranya untuk proses rekonstruksi citra medis.

Dalam proses pengolahan citra medis, segmentasi merupakan salah satu bagian penting dari pemrosesan citra medis tersebut. Pendekatan model berbasis segmentasi telah ditetapkan sebagai salah satu metode yang paling berhasil untuk analisis citra [12]. Segmentasi bertujuan untuk membagi citra menjadi beberapa daerah (Region of Interest ROI) yang homogen berdasarkan kriteria kemiripan tertentu. Kualitas hasil segmentasi citra tergantung pada kualitas dari citra awal atau citra hasil akusisi [13]. Kesalahan pada proses segmentasi akan mempengaruhi proses pengenalan dan pemahaman citra pada tingkat yang lebih lanjut.

Ada beberapa metode yang sering digunakan dalam segmentasi citra antara lain: metode thresholding, metode shapebased, metode region growing, dan metode statistik atau juga disebut metode clustering [11]. Masing-masing metode memiliki kelebihan dan kelemahan tergantung pada karakteristik dari citra yang akan diproses.

9

Tidak ada pendekatan tunggal yang dapat memecahkan masalah segmentasi untuk berbagai macam modalitas citra yang ada saat ini [14]. Algoritma segmentasi yang paling efektif diperoleh dengan menyesuaikan kombinasi komponen-komponen yang ada dan disesuaikan dengan kebutuhan dari segmentasi itu sendiri.

Metode thresholding didasarkan pada pemisahan pixel ke dalam kelas yang berbeda tergantung pada tingkat keabuan masing-masing pixel [15]. Intensitas citra medis seperti tumor dan jaringan pada otak biasanya sangat rumit dan memiliki tingkat keabuan yang hampir sama sehingga menyebabkan kesulitan penentuan ambang batas (threshold). Metode thresholding semata tidak bisa diterapkan untuk citra dengan tingkat keabuan yang berdekatan, sehingga biasanya dikombinasikan dengan metode lain [15] [16].

Metode region growing menggabungan beberapa pixel dengan thresholding tertentu yang memliki kondisi konektivitas atau kriteria daerah homogenitas [16]. Keberhasilan dari metode tersebut bergantung pada ketepatan informasi anatomi dalam meletakkan baik satu mapun beberapa pixelawal untuk masing-masing daerah homogen [17] [15]. Kelemahan lain dari metode region growing adalah metode tersebut hanya dapat bekerja dengan baik pada daerah yang homogen dan membutuhkan operator untuk menentukan daerah yang akan tersegmentasi.

Metoderegion growing yang paling umum digunakan adalah watershed[18]. Prinsip dasar dari watershed adalah merubah gradien tingkat keabuan citra menjadi permukaan topografi. Daerah minimum dari citra merupakan sumber dimana air meluap dan bentuk-bentuk “kolam tangkap” (“catchment basin”) menggambarkan

10

permukaan air. Algoritma ini akan berhenti bila dua “kolam” dari dua sumber yang berbeda bertemu. Jika pada citra terdapat banyak pola dan noise, maka akan terbentuk banyak “kolam” sehingga terjadi segmentasi yang berlebihan [15] [16] [18].

Matei Mancas dan Bernard Gosselin [15] memodifikasi algoritma watershed untuk menghindari masalah segmentasi berlebih pada citra tumor otak dengan mengunakan metode marker-based watershed dan gradient vector flow untuk komputasinya. Watershed pertama dihitung dari dua market -set awal dan membagi citra menjadi 3 wilayah yaitu bagian luar, fuzzy dan bagian dalam. Algoritma yang sama kemudian digunakan untuk menghitung watershed yang kedua dan diperoleh 5 wilayah konsentris yang makin mendekati bagian tumor.

Salvador A Melo Júnior, dkk [18] menyelesaikan masalah over-segmentation dengan menggunakan multi-state preprocessing untuk mengurangi noise citra, meningkatkan kontras, dan memodifikasi homotopi citra ventrikel kiri. Setelah tahap preprocessing, metode watershed berhasil melakukan segmentasi citra ventrikel kiri. Kontur akhir diperoleh dengan mengurangi ukuran wilayah tersegmentasi dengan algoritma kontur koreksi.

Metode shapebased juga memberikan pendekatan yang cukup sederhana dalam segmentasi citra. Namun metode ini sangat sulit dalam penentuan kontur awal. Ketidaktepatan dalam penentuan kontur awal dapat menyebabkan hasil segmentasi yang kurang memuaskan [17].

Metode statistik atau clustering didasarkan pada distribusi parameter tertentu. Hal terpenting dalam metode ini adalah melakukan estimasi definisi awal dari

11

parameter sehingga bagus tidaknya segmentasi tergantung pada seberapa baik distribusi yang diasumsikan mendekati distribusi dari data. Pada kenyataanya, secara umum citra medis mengandung noise dan ketidakpastian distribusi yang tidak dapat diprediksi sebelumnya [17] [16].

Metode segmentasi statistik mengklasifikasi dan melakukan pengelompokan pixel citra ke dalam wilayah terpadu menurut kriteria tertentu dengan menggunakan pattern-classifier tertentu dan teknik post-processing semisal filter morfologi. Algoritma K-mean,fuzzy c-means(FCM) dan expectation–maximization(EM) paling umum digunakan pada metodeclustering[15].

Shan Shen, dkk [16] menggunakan metode fuzzy c-mean yang dimodifikasi, yang disebut improved fuzzy c-mean (IFCM), untuk melakukan segmentasi pada jaringan otak. Pada algoritma IFCM segmentasi tidak hanya didasarkan pada pixel namun juga pada pixel yang terdekat. Selama proses clustering, pixel berusaha menarik pixel yang terdekat dan memiliki intensitas yang hampir sama ke dalam clusteryang sama sehingga robushtterhadap noise.

Nassir Salman [19] menggabungkan metode K-mean dan watershed dan K-mean difference in strenght map (DIS) untuk melakukan segmentasi dan egde-detection pada citra MRI otak. Metode clustering K-mean digunakan untuk menghasilkan citra gradien daerah intensitas berdasarkan jarak minimum untuk memeriksa setiap pixel dalam citra dan kemudian menetapkanya ke dalam salah satu cluster citra. Citra gradien tersebut kemudian disegmentasi lagi dengan metode watershed dan DIS. Clustering K-mean juga dimaksudkan untuk menghindari over

-12

segmentation pada watershed. Meskipun penggabungan metode segmentasi tersebut cukup memuaskan, namun hasil tersebut sangat bergantung pada hasil K-mean.

2.2 ITK

ITK merupakan singkatan dari Insinght Segmentation and Registration Toolkit adalah librari open-source untuk pengolahan citra baik 2D maupun 3D khususnya untuk citra medis [14]. ITK cukup bermanfaat untuk semua metode pengolahan citra khususnya untuk segmentasi dan registrasi. Selain itu berbagai modul untuk filtering dan analisa secara numerik juga disediakan librari-librari ITK. Beberapa metode segmentasi region base yang disediakan ITK: Connected Threshold, Otsu Segmentation, Neighborhood Connected,Connected Confidence dan lainnya. Dalam penelitian yang dilakukan, digunakan librari segmentasi untuk pengolahan data citra medis.

ITK diimplementasikan dalam bahasa pemrograman C++. ITK merupakan librari yang cross-platform. ITK menggunakan CMake untuk membangun dan mengatur proses konfigurasi. Walaupun dimplementasikan dengan bahasa C++ ITK dapat juga diinterpretasikan dengan bahasa pemrogramanlain seperti Tcl, Java, dan Python dengan menggunakan CableSwig. Hal ini memungkinkan pengembang untuk membuat perangkat lunak menggunakan berbagai bahasa pemrograman.

2.3 Komunikasi Data Citra Medis Pada Jaringan Komputer

Pada suatu sistem pengarsipan dan komunikasi data citra untuk mengirimkan data citra yang besar antar komponen dibutuhkan suatu jaringan berkecepatan tinggi

13

[10]. Ini tejadi dikarenakan pada umumnya data citra medis mempunyai ukuran yang sangat besar [9]. Masalah utama yang muncul dalam suatu sistem pengarsipan dan komunikasi data citra adalah masalah konkurensi data ketika banyak komponen yang berkomunikasi terhadap suatu server.

Ada beberapa cara yang digunakan untuk mengatasi masalah kecepatan jaringan konkurensi data diantaranya menggunakan perangkat keras berkemampuan handal, penggunaan web services [7], atau penggunaan teknik kompresi data citra yang bersifat lossless sebelum dikirimkan. Proses komputasi parallel juga dilakukan untuk menangani masalah pada suatu sistem pengarsipan dan komunikasi data citra. Semua teknik ini digunakan bertujuan agar suatu sistem pengolahan citra medis berbasis jaringan dapat berjalan secara real-time.

2.4 Web Services

Web services adalah sekumpulan application logic beserta objek-objek dan method-method yang dimilikinya yang terletak di suatu server yang terhubung ke jaringan komputer sehingga dapat diakses menggunakan protokol HTTP dan SOAP (Simple Object Access Protocol) [2]. Dalam penggunaannya, web services dapat digunakan untuk memeriksa data user yang login ke sebuah halaman web ataupun untuk transaksi perbankan on-lineyang rumit.

Dalam arsitektur berorientasi layanan, aplikasi dikembangkan dengan memasukkan layanan yang sering disediakan oleh organisasi yang berbeda [20]. Tujuan dari teknologi ini adalah untuk memudahkan beberapa aplikasi atau

14

komponennya untuk saling berhubungan dengan aplikasi lain dalam sebuah organisasi maupun di luar organisasi menggunakan standar yang tidak terikat platform (platform-neutral) dan tidak terikat akan bahasa pemrograman yang digunakan (language-neutral). Dalam penelitian ini web services digunakan untuk menjalankan method-methodsegmentasi citra medis.

Platform dasar dari web servicesadalah XML dan HTTP [21]. Dalam hal ini XML menyediakan bahasa yang dapat digunakan antara berbagai platform dan bahasa pemrograman dan masih mengekspresikan pesan yang kompleks dan fungsi. Elemen-elemen dari platform web servicesadalah:

a. SOAP(Simple Object Access Protocol)

b. UDDI(Universal Description, Discovery and Integration) c. WSDL(Web services Description Language)

Dengan bantuan WSDL, SOAP, dan UDDI, web services menjadi populer dalam aplikasi berbasis web [22]. SOAP adalah protokol berbasis XML sederhana untuk melakukan pertukaran informasi aplikasi melalui HTTP. SOAP menspesifikan secara jelas bagaimana cara untuk meng-encode header HTTP dan file XML sehingga program pada suatu komputer dapat memanggil program pada komputer lain dan mengirimkan informasi, dan bagaimana program yang dipanggil memberikan tanggapan. UDDI protokol adalah yang disetujui oleh standar OASIS dan pimpinan anggota kunci dari web services [23]. Hal ini mendefinisikan sebuah metode standar untuk penerbitan dan menemukan komponen perangkat lunak berbasis jaringan dari service-oriented architecture(SOA). Sedangkan WSDL adalah

15

bahasa berbasis XML untuk mendeskripsikan web services dan bagaimana untuk mengaksesnya [24].

Selain SOAP terdapat beberapa teknologi web services yang juga dapat digunakan. Teknologi web servicesyang populer digunakan selain SOAP diantaranya adalah XML-RPC dan Representational State Transfer (REST). Masing-masing teknologi web services tersebut mempunyai kekurangan dan kelebihan tersendiri. Dalam penelitian yang dilakukan XML-RPC digunakan sebagai teknologi untuk membangun aplikasi web services.

2.4.1 XML-RPC

XML-RPC adalah sebuah protokol jaringan komputer standar yang dapat digunakan berkomunikasi dalam mode remote procedure call dengan menggunakan protokol HTTP [25] [26]. Pada dasarnya, remote procedure call merupakan proses sebuah program pada satu komputer yang menjalankan program pada komputer lain dalam suatu jaringan komputer. XML-RPC merupakan teknologi web servicespaling sederhana untuk membuat suatu komputer memanggil prosedur yang terdapat pada komputer lain [5]. XML-RPC menggunakan kembali infrastruktur yang pada awalnya diciptakan untuk komunikasi antara manusia untuk mendukung komunikasi antara program pada komputer.

Pemanggilan XML-RPC dilakukan antara dua pihak yaitu klien yang melakukan proses pemanggilan prosedur dan server yang menyediakan prosedur. Sebuah server akan dipanggil pada URL tertentu (misalnya,

16

http://example.org:8080/rpcserv/). Untuk menggunakan prosedur yang tersedia di server itu, maka langkah-langkah yang diperlukan adalah:

a. Program klien membuat prosedur panggilan menggunakan XML-RPCclient, yang menentukan nama metode, parameter, dan server target.

b. XML-RPC client mengambil nama metode dan parameter dan kemudian mempaketkannya sebagai data XML. Kemudian klien mengirimkan sinyal permintaan HTTP POSTyang berisi informasi permintaan ke server.

c. Sebuah server HTTP akan menerima permintaan POSTdan melewati paket XML kepada XML-RPClistener.

d. XML-RPC listener akan mem-parsing XML untuk mendapatkan nama metode yang ingin dipanggil beserta parameternya. Kemudian server memanggil metode yang diminta sekaligus melewatkan parameternya.

e. Metode yang dipanggil akan memberikan respon terhadap proses XML-RPC. Kemudian XML-RPC akan membungkus respon tersebut sebagai data XML. f. Server HTTP akan mengembalikan data XML tersebut sebagai respon terhadap

permintaan HTTP POST.

g. XML-RPC client akan mem-parsing data XML yang diterima untuk mengekstrak nilai respon. Kemudian XML-RPCclien tmengirimkan nilai respon ke program klien.

h. Program klien akan melanjutkan proses dari nilai yang didapat tersebut.

Implementasi spesifikasi XML-RPC telah diterapkan secara luas di berbagai lingkungan pemrograman. Di Java sendiri, tim dari Apache telah membuat librari

17

yang compliance dengan spesifikasi XML-RPC. Hal ini memudahkan kita untuk tidak perlu lagi berurusan di level rendah seperti pembuatan parser untuk mengolah data dari XML. Semua telah dibungkus dalam level yang lebih tinggi dalam bentuk class-class librari. Misalnya, setiap objek java.util.Date akan dikonversi menjadi tipe data standar XML-RPC secara otomatis. Dan banyak lagi kemudahan-kemudahan yang lainnya.

BAB 3

METODE PENELITIAN 3.1 Rancangan Penelitian

Penelitian ini menggunakan eksperimen laboratorium yaitu menggunakan data citra medis dengan format DICOM. Kemudian dilakukan perancangan untuk membangun aplikasi standalonedan dilanjutkan dengan prototipe sistem pengolahan citra medis berbasis jaringan. Selanjutnya dilakukan pengujian proses pengolahan citra medis pada prototipe sistem.

3.2 Pengumpulan Data Citra Medis

Untuk mengetahui apakah sistem berbasis jaringan dapat melakukan pengolahan citra medis, maka diperlukan data citra medis untuk diolah dan dikomunikasikan. Data citra medis yang digunakan dalam penelitian ini berupa citra medis 2D dari otak manusia yang merupakan hasil scan MRI. Hasil scan MRI tersebut berupa citra dengan format DICOM. Pemilihan jenis data tersebut dilakukan karena keterbatasan sumber dalam mengumpulkan berbagai jenis data citra medis. Data citra medis tersebut nantinya akan disegmentasi untuk mendapatkan nilai thresholddan citra medis yang dapat digunakan dalam analisa kodisi pasien.

3.3 Pemodelan Sistem

Pemodelan sistem dalam penelitian ini dilakukan dengan menggunakan diagram use case. Diagram use caseyang ditampilkan digunakan untuk menjelaskan

19

fitur-fitur yang dapat dilakukan oleh pengguna sistem. Diagram use case juga digunakan untuk melakukan verifikasi pada aplikasi untuk melihat apakah seluruh fungsi yang dijelaskan di dalam diagram use case telah diimplementasikan dalam sistem.

Dari diagram use case, maka dapat diidentifikasi bahwa pada sistem yang dibangun hanya terdapat satu jenis pengguna, yaitu User sebagai actor yang akan menggunakan sistem untuk mengakses aplikasi segmentasi pada sisi klien. Digram use case dari sistem dapat dilihat pada Gambar 3.1

Gambar 3.1 Diagram Use Case

Pada sistem yang dibangun, User akan menggunakan fitur-fitur aplikasi segmentasi yang terdepat pada aplikasi server. Adapun fitur yang terserdia seperti yang terlihat pada Gambar 3.1 merupakan case pada diagram use case. Casetersebut diantaranya Otsu Segmentation, Multilevel Segmentationserta Simpan.

20

Otsu Segmentation merupakan caseyang menunjukkan fitur untuk melakukan proses segmentasi dengan menggunakan metode segmentasi Otsu. Sedangkan case Multilevel Segmentation merupakan fitur lanjutan untuk melakukan segmentasi bertingkat yaitu proses segmentasi terhadap citra medis yang sebelumnya telah disegmentasi. Case Simpan merupakan fitur untuk menyimpan data hasil seluruh proses segmentasi yang dilakukan.

3.4 Segmentasi Citra Medis

Untuk mendapatkan data citra medis yang dapat dianalisa maka diperlukan suatu pengolahan terhadap citra medis tersebut. Dalam pengolahan citra medis terdapat tahapan-tahapan pengolahan yang dapat menghasilkan suatu data citra medis yang dapat dianalisa lebih lanjut. Pada penelitian ini pengolahan yang dilakukan adalah pada tahap segmentasi. Hal ini dilakukan karena segmentasi citra medis merupakan hal umum yang dilakukan untuk melakukan analisa terhadap suatu citra medis.

Seperti yang telah dijelaskan sebelumnya,ada berbagai macam metode segementasi yang telah berkembang saat ini,. Berdasarkan pemodelan sistem yang dijelaskan, sistem yang dirancang pada penelitian ini melakukan segmentasi citra medis dengan metode Otsu. Metode Otsu merupakan salah satu metode segmentasi dengan mengadopsi algoritma region growing. Algoritma region growingdigunakan karena algoritma ini merupakan pendekatan yang efektif untuk segmentasi citra dengan homogenitas tertentu [14]. Pemilihan metode Otsu dikarenakan metode ini

21

termasuk metode sederhana yang baik dan cepat dalam melakukan segmentasi citra [27], sehingga dianggap sesuai dengan sistem pengolahan citra berbasis jaringan yang dikembangkan. Penggunaan segmentasi dengan metode lain dapat dilakukan pada penelitian selanjutnya.

Metode Otsu bekerja berdasarkan data histogram dari suatu citra. Histogram pada suatu citra menunjukkan keseluruhan nilai intensitas dari setiap pixelpada citra dalam satu dimensi. Pada histogram citra sumbu x menyatakan level intensitas yang berbeda sedangkan sumbu y menyatakan jumlah akumulatif pixelyang memiliki nilai intensitas tersebut. Dengan menggunakan histogram dilakukan pengelompokan terhadap pixel-pixel dalam suatu citra medis. Pengelompokan ini didasarkan pada nilai ambang batas atau threshold. Nilai threshold ini menjadi objektif atau tujuan dari metode Otsu.

Dasar dari metode Otsu adalah perbedaan intensitas dari pixel-pixel yang dipisahkan dalam kelas-kelas tertentu. Sebuah threshold yang mampu memisahkan kelas-kelas sehingga pixel-pixel antar kelas memiliki nilai intensitas yang berbeda, maka threshold tersebut dikatakan sudah optimal. Dengan mengamati histogram dari sebuah citra medis bisa didapatkan dua informasi sekaligus yakni jumlah level intensitas yang berbeda (disimbolkan dengan L) dan jumlah pixel-pixel untuk tiap-tiap level intensitas tersebut (yang disimbolkan dengan n(k) dengan k=0…255). Algoritma dari metode Otsu adalah sebagai berikut:

22

a. Menghitung nilai histogram ternormalisasi dari suatu citra yang disimbolkan sebagai untuk i=0,1,2,..L-1 dengan rumus berikut:

= ………...(1)

Dengan adalah jumlah pixel pada setiap intensitas dan adalah jumlah semua mulai dari sampai dengan .

b. Menghitung jumlah kumulatif dari ( ) untuk = 0,1,2, . . − 1dengan menggunakan rumus:

( ) = ∑ ………..….(2) c. Menghitung rata-rata kumulatif dari ( )untuk = 0,1,2, . . − 1dengan

menggunakan rumus:

( ) = ∑ ………...…….(3) d. Menghitung rata-rata intensitas global menggunakan rumus:

= ∑ ……….……….(4) e. Menghitung varians antar kelas ( ) untuk = 0,1,2, . . − 1dengan

menggunakan rumus:

( ) =[ _{( )[}( ) _{( )]}( )] ………..………..…(5)

f. Memilih nilai threshold ∗ yang merupakan indeks dimana nilai varians kelas maksimum ( ( ) → ). Jika ternyata terdapat lebih dari satu nilai ∗ maka diambil rata-rata untuk mendapatkan nilai thresold.

g. Mengitung separability measurement, ∗ pada = ∗ dengan menggunakan rumus:

23

( ) = ( )………..……….….(6)

Sedangkan,

= ∑ (1 − ) ………..(7)

Setelah mendapatkan nilai thresold maka nilai tersebut digunakan untuk melakukan segementasi citra. Metode Otsu hanya digunakan untuk mendapatkan nilai thresholdyang optimum. Teknik segmentasi yang biasa digunakan adalah:

( , ) = 1 ₀ ( , ) > _{( , ) ≤}∗∗……….……..(8)

Dari persamaan diatas terlihat hasil segmentasi adalah citra biner yang memiliki nilai intensitas hanya 0 dan 1. Nilai intensitas 0 menyatakan warna hitam (dianggap background) sedangkan nilai intensitas 1 menyatakan warna putih (dianggap foreground atau objek). Oleh karena itu hasil segmentasi dengan menggunakan metode Otsu merupakan citra hitam putih.

3.5 Komunikasi Data Citra Medis Dengan Web Services

Dalam melakukan distribusi data citra medis maka diperlukan suatu mekanisme komunikasi data citra medis pada sistem berbasis jaringan. Beberapa penelitian sebelumnya telah melakukan komunikasi data citra medis pada sistem berbasis jaringan. Berdasarkan penelitian yang dilakukan oleh Spiros Koulouzis, dkk [7]web servicesdapat digunakan untuk melakukan komunikasi data citra medis pada sistem berbasis jaringan.

24

Terdapat berbagai macam teknologi web services yang berkembang saat ini diantaranya. Diantara teknlogi web services yang ada SOAP dan XML-RPC merupakan teknologi web services yang populer. Berdasarkan studi literatur yang dilakukan maka dalam penelitian ini digunakan teknologi web services XML-RPC. Dalam penggunaannya, XML-RPC dianggap lebih sederhana dibandingkan dengan menggunakan teknologi SOAP untuk memanggil prosedur yang ada pada suatu komputer dalam jaringan. Hal ini karena XML-RPC mampu membungkus data yang dikirim ke dalam format XML serta dapat mendefinisikan kembali tipe data yang dibungkus sesuai dengan bahasa pemrograman yang digunakan. Berbeda dengan SOAP yang memerlukan pembuatan WSDL untuk pembungkusan data ke dalam format XML.

XML-RPC dapat dirancang dengan menggunakan berbagai macam bahasa pemrograman seperti C++, Java, Phyton, dan lain-lain. Dalam penelitian ini dilakukan perbandingan antara bahasa pemrograman C++ dan bahasa pemrograman Java untuk merancang XML-RPC. Perbandingan dilakukan untuk melihat efisiensi dan efektifitas dari bahasa pemrograman untuk merancang suatu aplikasi XML-RPC.

Dari pengujian yang dilakukan, bahasa pemrograman Java lebih sederhana digunakan dibandingkan dengan bahasa pemrograman C++. Hal ini karena dengan menggunakan bahasa pemrograman C++ diperlukan suatu framework tambahan untuk membangun XML-RPC. Selain itu terdapat beberapa konfigurasi yang harus dilakukan dalam frameworktersebut. Hal ini membuat penulisan kode menggunakan bahasa pemrograman C++ jauh lebih kompleks dibandingkan dengan bahasa

25

pemrograman Java yang hanya memerlukan librari tambahan yang dikembangkan oleh Apache untuk membangun teknologi XML-RPC (Apache XML-RPC). Paket Apache XML-RPC tersebut di-importkedalam aplikasi klien dan aplikasi server yang nantinya akan berkomunikasi.Berdasarkan pertimbangan tersebut maka dalam penelitian ini digunakan bahasa pemrograman Java untuk membangun teknologi web services.

Pada Apache XML-RPC, aplikasi klien dan aplikasi server berkomunikasi dengan menggunakan protokol HTTP. Protokol ini menggunakan nomor port yang berbeda dari nomor port yang standar digunakan. Hal ini dilakukan untuk mengakomodasi masalah keamanan pada jaringan computer yang merupakan salah satu ciri mutlak dalam pengolahan citra medis. Selain itu penggunaan nomor port yang berbeda juga bertujuan untuk membedakan jalur komunikasi dengan jalur yang biasa digunakan. Untuk menggunakan protokol HTTP, pada sisi server dapat digunakan librari untuk menggunakan framework server web tertentu atau menggunakan HTTP server yang di-built-in pada aplikasi server.

Komunikasi data yang terjadi pada sistem ini adalah pengiriman citra medis beserta parameternya. Dalam pengiriman citra yang dilakukan aplikasi klien, citra yang dikirim adalah citra medis dengan format DICOM. Aplikasi server juga melakukan pegiriman hasil pengolahan citra medis. Akan tetapi jika citra medis yang dikirim oleh server juga merupakan citra medis dengan format DICOM dengan ukuran besar maka hal ini akan mempengaruhi lamanya komunikasi data yang terjadi. Untuk mengatasi masalah tersebut, maka data yang dikirim oleh server telah

26

dipadatkan dan diubah formatnya menjadi citra dengan format PNG (Portable Network Graphics). Pemadatan dengan format PNG dilakukan agar data yang dikembalikan tidak terlalu besar. Selain itu, pemadatan format dari DICOM menjadi PNG akan membuang data identitas pasien yang secara hukum tidak boleh didistribusikan di luar kewenangan dan persetujuan pasien yang bersangkutan. Pemadatan ini secara langsung tidak akan menghilangkan bagian inti dari data citra yang ada di dalamnya. Data citra inilah yang sebenarnya dibutuhkan untuk proses pengolahan lebih lanjut.

Dalam proses komunikasi data dengan menggunakan XML-RPC terdapat satu masalah yang harus diselesaikan. XML-RPC tidak mendukung tipe data citra dalam proses komunikasi. Untuk mengatasi masalah tersebut maka sebelum dilakukan pengiriman data citra terlebih dahulu dikonversi menjadi data binary. Dalam bahasa pemrograman Java data binary didefinisikan menjadi tipe data byte[]. Akan tetapi dalam XML-RPC tipe data byte[] tersebut akan dikonversikan menjadi tipe data base64. Untuk parameter data yang dikirimkan berupa data dengan tipe data string. Proses transportasi data yang terjadi dapat dilihat pada Gambar 3.2.

27

Dengan menggunakan Apache XML-RPC komunikasi antara klien dan server dapat beroperasi dalam mode streaming. Dengan menggunakan mode streaming pemeliharaan sumber daya jauh lebih baik daripada mode standar yang berdasarkan pada besarnya array byte internal. Pembagian sumber daya bersama ketika lebih dari satu klien berkomunikasi dengan server akan dilakukan secara paralel dengan menggunakan eksekusi multiple threads. Hal ini akan menyebabkan waktu proses pengolahan citra medis akan lebih lama ketika pada saat bersamaan lebih satu klien yang berkomunikasi dengan server.

3.6 Pembuatan Aplikasi Standalone

Pembuatan aplikasi standalonedilakukan sebagai bagian dari penelitian untuk kebutuhan analisa perbandingan terhadap system berbasis jaringan yang dikembangkan. Aplikasi ini dibangun dengan menggunakan bahasa pemrograman Java dan librari ITK. Aplikasi yang dibuat merupakan aplikasi segmentasi citra medis dengan menggunakan metode Otsu. Aplikasi melakukan segmentasi terhadap citra medis dengan format DICOM dengan jumlah threshold tertentu sesuai dengan parameter yang dikirim.

Untuk dapat melakukan pembacaan citra medis dengan format DICOM aplikasi meng-import paket itkImageFileReaderdari librari ITK. Dari paket tersebut akan digunakan prosedur ImageFileReader untuk pembacaan citra medis dengan format DICOM. Selanjutnya dilakukan proses segmentasi dengan menggunakan prosedur OtsuMultipleThresholdsCalculator yang di-import dari paket

28

itkOtsuMultipleThresholdsCalculator untuk melakukan segmentasi untuk berbagai masukan jumlah threshold yang diinginkan. Hasil dari proses segmentasi tersebut berupa citra medis yang telah tersegmentasi berdasarkan jumlah threshold yang diberikan. Citra medis hasil segmentasi berupa citra yang telah dipadatkan dengan format PNG.

3.7 Pembuatan Prototipe Sistem

Untuk menguji apakah sistem berbasis jaringan dapat melakukan pendistribusian hasil pengolahan citra medis maka dilakukan pembuatan prototipe sistem. Prototipe dibuat berdasarkan pemodelan sistem yang telah dilakukan. Pembuatan prototipe ini menggunakan bahasa pemrograman Java. Dalam perancangan prototipe digunakan diagram kelas untuk menggambarkan struktur statis dan diagram activitydigunakan untuk menggambarkan prilaku dinamis dari sistem.

Karena pada sistem yang dibangun terdiri dari dua bagian (aplikasi klien dan aplikasi server), maka terdapat dua diagram kelas untuk menggambarkan struktur statis dari masing-masing bagian. Diagram kelas pada aplikasi klien terlihat pada Gambar 3.3 sedangkan diagram kelas pada aplikasi server terlihat pada Gambar 3.4. Pada diagram kelas aplikasi klien terdapat tiga kelas berdasarkan diagram use case yang telah dibuat sebelumnya. Selain itu, pada aplikasi klien ditambah satu kelas untuk proses XML-RPC client. Sedangkan pada diagram kelas server terdapat dua kelas untuk proses segmentasi dengan metode segmentasi Otsu dan kelas untuk proses XML-RPC server.

29

Gambar 3.3 Diagram Kelas Klien

+Segmentation() : object -Image : byte

-LevelParamter : int

OtsuSegmentation

+Execute() : object -Parameter : object

XML-RPC Server

Gambar 3.4 Diagram Kelas Server

Selanjutnya dilakukan pembuatan diagram activity untuk setiap proses penggunan fitur-fitur yang ada pada sistem. Diagram activity adalah teknik menggambarkan logika prosedural, proses bisnis, dan jalur kerja. Dalam beberapa hal diagram activity memainkan peran mirip sebuah diagram alir. Perbedaan prinsip antara diagram activity dan notasi diagram alir adalah diagram ini mendukung behavior paralel. Hal ini sesuai untuk menggambarkan proses pada sistem yang berbasis jaringan.

30

Diagram activity untuk proses segmentasi Otsu terdapat pada Gambar 3.5. Proses untuk segmentasi citra medis dengan metode segmentasi Otsu dimulai dengan memilih citra medis (dengan format DICOM) dari komputer lokal pada aplikasi klien. Selanjutnya User mengirimkan citra medis berserta parameter yang diperlukan ke server. Server akan melakukan proses segementasi pada citra medis yang dikirimkan aplikasi klien. Setelah proses segmentasi berhasil dilakukan, server akan mengirimkan data hasil segmentasi tersebut ke aplikasi klien.

31

Untuk diagram activity proses segmentasi multilevel tidak terlalu berbeda dengan diagram activity segmentasi Otsu. Hal ini karena proses yang terjadi pada segmentasi multilevel hampir sama dengan segmentasi sebelumnya. Perbedaanya terdapat pada pemilihan citra medis yang akan disegmentasi. Pada multilevel segmentasi, citra medis dipilih dari citra medis yang telah disegmentasi sebelumnya. Diagram activityuntuk proses multilevel segmentasi terdapat pada Gambar 3.6

Pilih Citra M edis

Pilih Paramater

Call XML-RPC Method XML-RPC Listener

Segmentasi

Return R esponse Parsing Data XML

Tampilkan Hasil

Klien Server

Segmentasi Otsu

32

Diagram activity terakhir adalah proses penyimpanan hasil segmentasi. Diagram activity tersebut terdapat pada Gambar 3.7. Pada proses ini User akan melakukan penyimpanan data seluruh proses segmentasi yang telah dilakukan. Data yang disimpan merupakan seluruh citra medis yang telah disegmentasi (termasuk hasil multilevel segmentasi). Selain itu juga tersimpan data text yang berisi keterangan proses segmentasi yang dilakukan dan data threshold pada tiap proses segmentasi.

33

3.7.1 Pembuatan Aplikasi Server

Pembuatan aplikasi server dimulai dengan pembuatan prosedur untuk melakukan segmentasi. Metode segmentasi yang dilakukan adalah metode segmentasi Otsu. Algoritma segmentasi Otsu menggunakan algoritma yang telah tersedia pada librari ITK. Prosedur segmentasi akan menerima empat parameter yang dilewatkan, yaitu citra medis, nama file hasil segmentasi, jumlah iterasi segmentasi dan tipe file hasil segmentasi. Prosedur segmentasi ini akan mengembalikan citra medis dan nilai thresholdhasil segmentasi yang dipaketkan dalam variabel objek Vectorpada bahasa pemrograman Java.

Selanjutnya dilakukan pembuatan prosedur XML-RPC Listener yang akan menerima request dari aplikasi klien. Prosedur ini akan meng-import paket org.apache.xmlrpc.XmlRpcServer untuk menggunakan objek WebServer. Objek ini akan mendefinisikan aplikasi sebagai server ketika dipanggil dengan melewatkan parameter berupa nomor port(tipe data int) yang akan digunakan. Selanjutnya objek WebServerakan memanggil method addHandler() untuk mendefinisikan nama objek server XML-RPC. Untuk mulai menjalankan server objek WebServer akan memanggil method start();

XML-RPC Listener menerima paket data XML dari klien yang berisi method yang akan dipanggil beserta paramater yang dilewatkan. XML-RPC Listener akan mem-parsing parameter-parameter yang ada dan mendefinisikan tipe data pada paket XML menjadi tipe data pada bahasa pemrograman Java.

34

3.7.2 Pembuatan Aplikasi Klien

Aplikasi klien dibuat dengan menggunakan Java Applet. Hal ini dilakukan agar aplikasi dapat berjalan pada sebuah browser sehingga tidak memerlukan instalasi dan dapat berjalan pada lintas platform. Pembuatan aplikasi klien terdiri dari pembuatan grafis antarmuka serta pembuatan prosedur pemanggilan method web services pada server.

Pembuatan grafis antar muka dilakukan dengan meng-import paket javax.swing pada bahasa pemrograman Java. Komponen grafis antar muka terdiri dari filechooser, radio button, text area, label, dan button. Filechooser digunakan untuk mencari file citra medis yang akan disegmentasi pada komputer lokal. Pada grafis antar muka terdapat tiga radio button untuk menentukan parameter nilai dari iterasi segmentasi. Text areadigunakan untuk menampilkan nilai threshold dari segmentasi yang dilakukan. Selanjutnya terdapat dua komponen button digunakan untuk melakukan aksi proses pemanggilan method segmentasi pada server dan melakukan penyimpanan hasil proses segmentasi. Sedangkan komponen label digunakan untuk menampilkan citra yang disegmentasi. Komponen label juga diberikan aksi untuk memilih citra hasil segmentasi untuk dilakukan segmentasi lagi pada proses segmentasi multilevel.

Prosedur pemanggilan method segmentasi dilakukan dengan meng-import paket org.apache.xmlrpc.XmlRpcClient. Dari paket tersebut digunakan objek XmlRpcClientdengan melewatkan parameter URL dari server pada konstruktor objek tersebut. Pada prosedur ini juga digunakan objek Vector untuk memuat seluruh

35

variabel yang akan dijadikan parameter. Selanjutnya objek XmlRpcClient akan memanggil method execute dengan melewatkan parameter yang terdiri method yang akan dipanggil dan objek Vector yang menyimpan parameter yang akan dilewatkan pada objek tersebut. Parameter yang dikirim oleh klien akan dibungkus menjadi data XML.

Setelah server mengembalikan nilai response maka aplikasi pada klien akan mem-parsing data XML yang diterima. Data XML yang diterima akan dikonversi menjadi tipe data yang ada pada bahasa pemrograman Java. Dalam aplikasi ini nilai yang diterima berupa data citra dengan tipe data byte[]dan nilai threshold. Tipe data citra tersebut akan dikonversi menjadi tipe data Image agar bisa ditampilkan dan disimpan pada komputer lokal.

3.8 Instrumen Penelitian

Dalam penelitian ini, instrumen penelitian terbagi dalam dua bagian yaitu perangkat keras dan perangkat lunak.

3.8.1 Perangkat Keras

Penelitian ini dilakukan dengan 1 buah komputer server dan 2 buah personal komputer untuk komputer klien.

Spesifikasi dari komputer server ada sebagai berikut:

 IBM System X 3200 M3

 Intel® Xeon® x3400 Series (quad-core) 2.4 GHz

36

 Kapasitas penyimpanan sebesar 2 x 146,8 GB.

 Sistem Operasi Linux Ubuntu Server 10.10

Spesifikasi dari komputer klien adalah sebagai berikut: a. Klien 1dengan spesifikasi:

 Personal Lenovo ThinkCentre

 Intel Core 2 Duo Prosesor 2.7 GHz

 Memory 2 GB DDR2

 Kapasitas penyimpanan 120 GB

 Sistem Operasi Windows XP b. Klien 2 dengan spesifikasi:

 Notebook Acer Aspire 4720z

 Intel Pentium Dual Core Prosesor 1.86 GHz

 Memory 512 MB DDR2

 Kapasitas penyimpanan 160 GB

 Sistem Operasi Linux Ubuntu 10.10

3.8.2 Perangkat Lunak

Perangkat lunak yang digunakan pada penelitian ini adalah bahasa pemrograman Java serta librari ITK.

BAB 4

HASIL DAN ANALISIS

Pengujian dilakukan dengan menggunakan sebuah citra medis hasil scan dari MRI. Citra medis yang digunakan berupa citra medis dari organ bagian otak. Pengujian dimulai dengan mendapatkan hasil dari aplikasi standalone. Kemudian dilakukan pengujian pada sistem berbasis jaringan untuk melihat hasil segmentasi yang didapat. Data citra medis yang didapat pada sistem berbasis jaringan dibandingkan dengan data hasil pengujian pada aplikasistandalone.

Selanjutnya dilakukan pengujian pada sistem berbasis jaringan dengan menggunakan multi klien: lima sampai dua puluh klien secara bersamaan dengan pertambahan lima klien pada tiap tahap pengujian. Hal ini dilakukan untuk melihat waktu proses segmentasi yang dilakukan untuk pengujian dengan banyak klien.

Pengujian dilakukan pada jaringan lokal dengan bandwith sebesar 100 MBps. Pengujian menggunakan dua jenis komputer yaitu komputer server untuk aplikasi server dan komputer klien untuk aplikasi klien (spesifikasi komputer terdapat pada Bab 3).

4.1 Hasil Perancangan Sistem

Hasil dari perancangan sistem berbasis jaringan berupa prototipeprototipe sistem yang terdiri dari aplikasi server dan aplikasi klien. Aplikasi server berupa aplikasi berbasis command line sedangkan aplikasi klien berupa aplikasi berbasis web dengan menggunakan java applet. Untuk mengetahui apakah sistem yang dirancang

38

dapat berjalan dengan baik dilakukan pengujian dengan membandingkan hasil yang didapat pada prototipe sistem dengan aplikasi standalone.

Pengujian aplikasi standalone dilakukan dengan menggunakan citra medis dari otak manusia dengan format DICOM. Pengujian dilakukan untuk jumlah threshold bertingkat 2, 3, dan 4 level. Dari pengujian akan dilihat hasil segmentasi dan lamanya waktu proses segmentasi yang dibutuhkan untuk masing-masing jumlah threshold. Pengujian aplikasi standalone menggunakan tiga jenis komputer yaitu komputer server, Klien 1 dan Klien 2.

Pengujian pada sistem berbasis jaringan dilakukan dengan menggunakan data yang sama dengan pengujian pada aplikasi standalone, yaitu dengan citra medis dari otak manusia dan diuji untuk tiap jumlah thresholdyang berbeda. Data perbandingan hasil pengujian yang dilakukan dapat dilihat pada Tabel 4.1.

Tabel 4.1 Perbandingan Hasil Pengujian Jumlah

Threshold

Waktu (Detik) (Prototipe Sistem)

Waktu (Detik) (Server)

Waktu (Detik) (Klien 1)

Waktu (Detik) (Klien 2)

2 0.547 0.269 0.593 0.812

3 0.797 0.460 1.125 2.11

4 5.781 5.410 15.86 21.125

Dari hasil pengujian nilai threshold yang didapat untuk tiap jenis percobaan. Perbedaan hanya terdapat pada waktu yang dibutuhkan untuk tiap proses. Pada percobaan ulang dilakukan perbedaan waktu proses pada prototipe sistem dengan

39

percobaan standalonepada komputer server tidak terlalu besar (beberapa milik detik). Aplikasi standalone pada komputer server sedikit lebih cepat dari pada prototipe sistem. Sedangkan aplikasi standalone yang menggunakan Klien 1 ataupun Klien 2 waktu proses yang dibutuhkan lebih lama dari waktu proses pada prototipe sistem.

Untuk citra hasil segmentasi juga memiliki hasil yang sama untuk pada setiap percobaan yang dilakukan pada platformyang berbeda. Citra hasil segmentasi dengan metode Otsu untuk setiap jumlah threshold yang berbeda dapat dilihat pada Gambar 4.1, 4.2, dan 4.3. Karena segmentasi menggunakan metode Otsu maka citra yang dihasilkan berupa citra hitam putih.

40

41

42

4.2 Pengujian Multi Klien

Karena pada sistem berbasis jaringan ditujukan untuk penggunaan lebih dari satu klien, maka dilakukan pengujian dengan banyak klien (multi klien). Pengujian multi klien dilakukan untuk melihat pengaruh jumlah aplikasi klien yang melakukan proses segementasi pada waktu bersamaan. Pada pengujian ini dilihat waktu yang dibutuhkan untuk tiap jumlah klien yang berbeda. Pengujian dilakukan dengan lima klien sampai dengan dua puluh klien. Dengan jumlah klien tersebut pengujian ini dilakukan sebanyak empat tahap dengan pertambahan lima klien. Hasil pengujian ini dapat dilihat pada Tabel 4.2, 4.3, 4.4, dan 4.5.

Tabel 4.2 Percobaan Dengan Lima Klien

Klien

Waktu Proses

2 Threshold (detik)

Waktu Proses

3 Threshold (detik)

Waktu Proses

4Threshold (detik)

PC 1 _{1.891 2.750 27.610}

PC 2 _{1.922 2.734 27.547}

PC 3 _{1.828 2.828 27.625}

PC 4 _{1.875 2.750 27.563}

43

Tabel 4.3 Percobaan Dengan Sepuluh Klien

Klien

Waktu Proses 2 Threshold (detik)

Waktu Proses 3 Threshold (detik)

Waktu Proses 4Threshold (detik)

PC 1

2.860 4.547 52.891

PC 2

2.703 4.328 53.469

PC 3

2.687 4.484 52.625

PC 4

2.891 4.500 53.797

PC 5

2.953 4.578 53.781

PC 6

2.625 4.422 53.687

PC 7

2.562 4.750 50.390

PC 8

2.531 4.765 47.250

PC 9

3.000 4.609 53.859

PC 10

44

Tabel 4.4 Percobaan Dengan Lima Belas Klien Klien

Waktu Proses 2 Threshold (detik)

Waktu Proses 3 Threshold (detik)

Waktu Proses 4Threshold (detik) PC 1

3.672 6.188 60.828

PC 2

3.125 6.203 60.609

PC 3

3.609 6.125 60.219

PC 4

3.688 6.141 60.859

PC 5

3.687 6.015 60.844

PC 6

3.625 5.687 59.843

PC 7

3.531 5.734 67.125

PC 8

3.531 5.734 63.906

PC 9

3.765 6.218 71.000

PC 10

3.656 6.078 70.172

PC 11

3.484 5.844 70.672

PC 12

3.515 5.500 69.718

PC 13

3.625 6.031 70.422

PC 14

3.515 6.718 79.390

PC 15

45

Tabel 4.5 Percobaan Dengan Dua Puluh Klien Klien Waktu Proses

2 Threshold (detik)

Waktu Proses 3 Threshold (detik)

Waktu Proses 4Threshold (detik) PC 1

4.969 7.469 84.875

PC 2

3.938 6.750 84.016

PC 3

4.625 7.406 84.281

PC 4

4.922 7.516 84.223

PC 5

4.953 7.601 84.672

PC 6

4.875 7.406 84.662

PC 7

4.578 7.765 87.890

PC 8

4.546 7.781 85.796

PC 9

4.969 7.550 84.484

PC 10

4.656 7.313 84.766

PC 11

4.781 6.609 84.578

PC 12

4.531 7.750 80.968

PC 13

4.719 7.781 83.609

PC 14

4.515 7.734 85.625

PC 15

4.555 7.773 83.015

PC 16

4.781 6.844 84.283

PC 17

3.875 6.781 84.172

PC 18

4.500 6.718 82.687

PC 19

4.859 7.931 84.953

PC 20

46

Dari empat tahap pegujian yang dilakukan terdapat peningkatan rata-rata waktu yang dibutuhkan untuk setiap penambahan klien. Nilai rata-rata waktu proses pada tiap tahap dapat dilihat pada Tabel 4.6 dan digambarkan dengan grafik pada Gambar 4.4. Dari data yang didapat, pada dua nilai threshold dan tiga nilai threshold peningkatan waktu yang terjadi tidak terlalu signifikan. Akan tetapi pada empat nilai threshold pertambahan waktu yang terjadi cukup besar.

Tabel 4.6 Waktu Rata-rata Proses Tiap Tahap Jumlah

Klien

Waktu Rata-rata 2 Threshold (detik)

Waktu Rata-rata 3 Threshold (detik)

Waktu Rata-rata 4Threshold (detik)

5 1.901 2.772 27.597

10 2.777 4.556 52.566

15 3.571 6.062 67.002

20 4.633 7.411 84.427

Gambar 4.3 Grafik Waktu Rata-rata Proses Tiap Tahap

1.901 2.777 3.571 4.633

2.772 4.556 6.062 7.411

27.597 52.566 67.002 84.427 0 10 20 30 40 50 60 70 80 90

5 10 15 20

Waktu Rata-rata Proses Tiap Tahap

Waktu Rata-rata 2 Treshold

Waktu Rata-rata 3 Treshold

Waktu Rata-rata 4 Treshold

Jumlah PC Waktu Rata-rata

47

4.3 Analisis Hasil Perancangan

Berdasarkan dari pengujian yang dilakukan, prototipe sistem dapat berjalan dengan hasil pengolahan citra medis yang sama dengan aplikasi standalone. Untuk satu klien pada prototipe sistem, waktu yang dibutuhkan tidak terlalu berbeda dengan aplikasi standalone pada kompter server. Akan tetapi pada aplikasi standalone menggunakan PC atau notebookwaktu proses yang dibutuhkan lebih lama dari waktu proses pada prototipe sistem.

Untuk jumlah klien lebih dari satu akan terjadi penambahan waktu proses seiring dengan penambahan klien. Dari grafik yang terlihat pada Gambar 4.2 dapat dilihat penambahan waktu rata-rata tiap tahap hampir linear. Dengan begitu maka dapat diprediksi penambahan waktu yang terjadi setiap terjadi penambahan lima klien merupakan rata-rata dari selisih pertambahan waktu yang terjadi pada tiap tahap. Maka prediksi waktu penambahan per 5 klien untuk setiap jumlah tresshold(2, 3, dan 4) adalah:

=(2.777 − 1.901) + (3.571 − 2.777) + (4.633 − 3.571)₃ =0.876 + 0.794 + 1.062₃ = 0.911

=(4.556 − 2.772) + (6.062 − 4.556) + (7.411 − 6.062) 3

48

=(52.566 − 27.597) + (67.002 − 52.566) + (84.427 − 67.002)₃ =24.969 + 14.436 + 17.425₃ = 18.943

Proses penambahan waktu untuk tiap penambahan klien diperkirakan dipengaruhi oleh kemampuan dari komputer server. Untuk spesifikasi yang lebih tinggi diperkirakan penambahan waktu rata-rata akan lebih kecil. Hal ini belum dibuktikan pada penelititan ini karena keterbatasan waktu dan sumber daya yang ada.

Dari percobaan yang dilakukan menunjukkan bahwa prototipe sistem dapat menjadi alternatif untuk sistem pengolahan citra medis yang lebih murah. Hal ini karena prototipe sistem tidak memerlukan instalasi aplikasi pada tiap klien yang ingin melakukan pengolahan citra medis. Selain itu komputer yang digunakan untuk tiap klien juga tidak harus memiliki kemampuan yang tinggi seperti pada komputer server. Karena menggunakan aplikasi berbasis web, aplikasi klien pada prototipe sistem dapat berjalan diberbagai jenis platform yang mendukung penggunaan web browserdegan applet.

Untuk pengembangan selanjutnya, prototipe sistem dapat dikembang untuk jaringan internet. Hal ini dapat dilakukan karena komunikasi yang terjadi pada prototipe sistem menggunakan protokol standar HTTP yang juga dapat digunakan dalam komunikasi pada jaringan internet. Selain itu dimungkinkan juga untuk pengembangan aplikasi klien pada perangkat bergerak (mobile device) tanpa menggangu aplikasi pada server.

BAB 5

KESIMPULAN DAN SARAN 5.1 Kesimpulan

Dari hasil penelitian yang dilakukan dapat ditarik kesimpulan sebagai berikut: a. Penggunaan teknologi web services XML-RPC memungkinkan untuk

membangun sistem berbasis jaringan untuk pemanfaatan sumber daya berbagi pada aplikasi pengolahan cita medis.

b. Data hasil pengolahan citra medis yang didapat dari sistem berbasis jaringan tidak berbeda dengan hasil yang diperoleh pada aplikasi standalone, sehingga dapat digunakan sebagai pengganti.

c. Waktu yang diperlukan untuk pengolahan citra pada sistem berbasis jaringan dengan banyak klien akan bertambah seiring dengan pertambahan jumlah klien.

5.2 Saran

Adapun saran untuk penelitian selanjutnya adalah:

a. Penelitian ini hanya melakukan segmentasi citra medis dengan metode Otsu. Pada pengembangan sistem selanjutnya dapat dilakukan dengan menggunakan segmentasi citra medis dengan metode yang lain.

b. Pengaruh kecepatan proses kemungkinan dipengaruhi oleh kemampuan komputer server. Untuk peningkatan kecepatan proses dapat dilakukan

50

dengan menggunakan komputer server dengan kemampuan yang lebih tinggi.

c. Pada penelitian selanjutnya dapat dilakukan pengembangan aplikasi klien agar dapat berjalan pada perangkat bergerak.

DAFTAR PUSTAKA

[1] Doug Tidwell, James Snell, and Pavel Kulchenko, Programming Web Services with SOAP, First Ediion ed. Sebastopol, Canada: O'Reilly, 2001.

[2] Ade Anom A. (2005) IlmuKomputer.Com. [Online]. http://ikc.depsos.go.id/populer/adeanom/adeanom-axis.zip

[3] John Stoitsis et al., "Computer aided diagnosis based on medical image processing and artificial intelligence methods," Nuclear Instruments and Methods in Physics Research, pp. 591-595, September 2006.

[4] Seyyed Ehsan Mahmoudi et al., "Web-based interactive 2D/3D medical image processing and visualization software," Computer Methods and Programs in Biomedicine, pp. 172-182, November 2010.

[5] Simon St Laurent, Joe Johnstin, and Edd Dumbill, Programming Web Services with XML-RPC, First Edition ed. Sebastopol, Canada: O'Reilly , 2001.

[6] E.S. Boese, Java Applets (2nd edition) B&W: Interactive.: Lulu.com, 2007. [7] Spiros Koulouzis, Elena Zudilova-Seinstra, and Adam Belloum, "Data Transport

between Visualization Web Services for Medical Image Analysis," in International Conference on Computational Science, ICCS 2010, 2010.

[8] W3C. (2007, April) World Wide Web Consortium (W3C). [Online]. http://www.w3.org/TR/2007/REC-soap12-part0-20070427/

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil penelitian yang dilakukan dapat ditarik kesimpulan sebagai berikut: a. Penggunaan teknologi web services XML-RPC memungkinkan untuk

membangun sistem berbasis jaringan untuk pemanfaatan sumber daya berbagi pada aplikasi pengolahan cita medis.

b. Data hasil pengolahan citra medis yang didapat dari sistem berbasis jaringan tidak berbeda dengan hasil yang diperoleh pada aplikasi standalone, sehingga dapat digunakan sebagai pengganti.

c. Waktu yang diperlukan untuk pengolahan citra pada sistem berbasis jaringan dengan banyak klien akan bertambah seiring dengan pertambahan jumlah klien.

5.2 Saran

Adapun saran untuk penelitian selanjutnya adalah:

a. Penelitian ini hanya melakukan segmentasi citra medis dengan metode Otsu. Pada pengembangan sistem selanjutnya dapat dilakukan dengan menggunakan segmentasi citra medis dengan metode yang lain.

b. Pengaruh kecepatan proses kemungkinan dipengaruhi oleh kemampuan komputer server. Untuk peningkatan kecepatan proses dapat dilakukan

50

dengan menggunakan komputer server dengan kemampuan yang lebih tinggi.

c. Pada penelitian selanjutnya dapat dilakukan pengembangan aplikasi klien agar dapat berjalan pada perangkat bergerak.

DAFTAR PUSTAKA

[1] Doug Tidwell, James Snell, and Pavel Kulchenko, Programming Web Services with SOAP, First Ediion ed. Sebastopol, Canada: O'Reilly, 2001.

[2] Ade Anom A. (2005) IlmuKomputer.Com. [Online]. http://ikc.depsos.go.id/populer/adeanom/adeanom-axis.zip

[3] John Stoitsis et al., "Computer aided diagnosis based on medical image processing and artificial intelligence methods," Nuclear Instruments and Methods in Physics Research, pp. 591-595, September 2006.

[4] Seyyed Ehsan Mahmoudi et al., "Web-based interactive 2D/3D medical image processing and visualization software," Computer Methods and Programs in Biomedicine, pp. 172-182, November 2010.

[5] Simon St Laurent, Joe Johnstin, and Edd Dumbill, Programming Web Services with XML-RPC, First Edition ed. Sebastopol, Canada: O'Reilly , 2001.

[6] E.S. Boese, Java Applets (2nd edition) B&W: Interactive.: Lulu.com, 2007. [7] Spiros Koulouzis, Elena Zudilova-Seinstra, and Adam Belloum, "Data Transport

between Visualization Web Services for Medical Image Analysis," in International Conference on Computational Science, ICCS 2010, 2010.

[8] W3C. (2007, April) World Wide Web Consortium (W3C). [Online]. http://www.w3.org/TR/2007/REC-soap12-part0-20070427/

[9] Danzhou Liu , Kien A. Hua, and Kiminobu Sugaya , "A Generic Framework for Internet-Based Interactive Applications of High-Resolution 3-D Medical Image Data," IEEE Transactions On Information Technology In Biomedicine, vol. 12, pp. 618-626, September 2008.

[10] Jianguo Zhang, Fenghai Yu, Jianyong Sun, Yuanyuan Yang, and Chenwen Liang, "DICOM Image Secure Communications With Internet Protocols IPv6 and IPv4," IEEE Transactions On Information Technology In Biomedicine, vol. 11, pp. 70-80, January 2007.

[11] Academic Press, Handbook of Medical Imaging Processing and Analysis, Isaac N. Bankman, Ed.: Academic Press, 2000.

[12] Tobias Heimann and Hans-Peter Meinzer, "Statistical shape models for 3D medical image segmentation: A review," Medical Image Analysis, no. 13, pp. 543-563, May 2009.

[13] M. Syamsa Ardisasmita, "Segementasi dan Rekontruksi Citra Organ Dalam Tiga Dimensi Menggunakan Matematika Morfologi dan Traingulasi Delaunay," in Proceedings, Komputer dan Sistem Intelejen, Jakarta, 2002.

[14] Luis Ibanez, Will Schroeder, Lydia Ng, Josh Cates, and the Insight Software Consortium, The ITK Software Guide , Second Edition ed., 2005.

[15] Matei Mancas and Bernard Gosselin, "Fuzzy Tumor Segmentation based on Iterative Watersheds,".

[16] Shan Shen, William Sandham, Malcom Granat, and Annette Sterr, "MRI Fuzzy Segmentation of Brain Tissue Using Neighborhood Attraction With Neural-Network Optimization," IEEE transactions on information technology in biomedicine, vol. III, no. 2, September 2005.

[17] Jianguo Zhang, Kai-Kuang Ma, Meng Hwa Er, and Vincent Chong, "Tumor segmentation from magnetic resonance imaging by learning via one-class support vector machine".

[18] Salvador A Melo Júnior et al., "Semi-automatic algorithm for construction of the left ventricular area variation curve over a complete cardiac cycle," BioMedical Engineering OnLine, 2010.

[19] Nassir Salman, "Image Segmentation Based on Watershed and Edge Detection Techniques," The International Arab Journal of Information Technology, vol. III, no. 2, April 2006.

[20] Sudhir Agarwal, Steffen Lamparter, and Rudi Studer, "Making Web services tradable: A policy-based approach for specifying preferences on Web service properties," Web Semantics: Science, Services and Agents on the World Wide Web, vol. 7, no. 1, pp. 11-20, January 2009.

[21] w3schools.com. (2011, February) w3schools.com. [Online]. http://www.w3schools.com/webservices/ws_intro.asp

services: problems and future directions," Web Semantics: Science, Services and Agents on the World Wide Web, vol. 1, no. 3, pp. 309-320, April 2004.

[23] (2006, August) http://uddi.xml.org/. [Online]. http://uddi.xml.org/uddi-101

[24] w3schools.com. (2011, February) w3schools.com. [Online]. http://www.w3schools.com/wsdl/wsdl_intro.asp

[25] D. Jagannadham, V Ramachandran, and Harish Kumar, "Java2 Distributed Application development (Socket, RMI, Servlet, CORBRA) approaches, XML-RPC and Web Services Functional analysis and Performance Comparison," in International Symposium on Communications and Information Technologies, 2007.

[26] Bryan Henderson. (2004, November) User manual for XML-RPC for C/C++. [Online]. http://xmlrpc-c.sourceforge.net/doc/

[27] Fengjie Sun, He Wang, and Jieqing Fan, "2D Otsu Segmentation Algorithm Based on Simulated Annealing Genetic Algorithm for Iced-Cable Images," in Information Technology and Applications, 2009. IFITA '09. International Forum , Chengdu , 2009, pp. 600-602.