Perancangan Sistem Identifikasi Osteoporosis melalui Bone Radiograph Menggunakan Evolving Multilayer Perceptron

36

3.5 Perancangan Sistem

Pada tampilan awal aplikasi CAD, terdapat beberapa menu yaitu menu file dengan sub-menu open dan sub-menu exit, menu classification dengan sub-menu new dan sub-menu eMLP, serta menu help dengan sub-menu get started dan sub-menu about. Di dalam tampilan awal aplikasi CAD juga terdapat panel “ORIGINAL IMAGE” dan “ENHANCED IMAGE” untuk menampilkan citra input baru yang asli dan setelah di perbaiki dan juga tersedia tombol “INFO” untuk melihat informasi mengenai citra. Panel “GLCM INFO” juga disajikan di dalam tampilan awal aplikasi untuk melihat nilai-nilai GLCM setiap fitur dan setiap vektor. Panel “PREDICTION” pada tampilan awal aplikasi CAD juga disajikan tombol “CHECK” untuk melihat hasil prediksi citra input baru untuk menentukan suatu citra di klasifikasikan sebagai citra bone radiograph yang normal atau osteoporosis dan tombol “EXIT” untuk keluar dari tampilan utama. Rancangan tampilan awal aplikasi CAD dapat dilihat pada Gambar 3.5. Gambar 3.5 Rancangan tampilan awal aplikasi CAD Universitas Sumatera Utara 37 Salah satu sub-menu dari menu classification yaitu sub-menu create dataset. Pada tampilan create dataset, disajikan 3 panel yaitu “INPUT TRAINING SET”, “INPUT TESTING SET”, dan “DATASET NAME”. Pada panel “INPUT TRAINING SET ”, terdapat tombol “NORMAL” dan “OSTEO”. Tombol “NORMAL” pada panel “INPUT TRAINING SET” digunakan untuk membuka citra bone radiograph normal yang akan digunakan sebagai data training dan tombol “OSTEO” di panel yang sama digunakan untuk membuka citra bone radiograph osteoporosis yang akan digunakan sebagai data training. Pada panel “INPUT TESTING SET” juga terdapat tombol “NORMAL” dan “OSTEO”. Tombol “NORMAL” pada panel “INPUT TESTING SET ” digunakan untuk membuka citra bone radiograph normal yang akan digunakan sebagai data testing dan tombol “OSTEO” pada panel yang sama digunakan untuk membuka citra bone radiograph osteoporosis yang akan digunakan sebagai data testing. Panel “DATASET NAME” digunakan untuk memberi nama pada dataset yang baru. Tombol “CREATE” digunakan untuk membuat dataset dan tombol “CANCEL” digunakan bila user tidak jadi membuat dataset baru. Rancangan tampilan dari sub-menu create dataset dapat dilihat pada Gambar 3.6. Universitas Sumatera Utara 38 Gambar 3.6 Rancangan tampilan menu Create Dataset Sub-menu lain dari menu classification yaitu sub-menu evolving Multilayer Perceptron eMLP. Pada tampilan ini terdapat menu File untuk dan sub-menu Open untuk memilih dataset yang akan dilatih dan diuji dan juga terdapat sub-menu Close untuk menutup tampilan eMLP. Pada tampilan terdapat ini panel N. PARAMETER untuk melihat dan mengubah nilai parameter. Tombol “TRAIN” digunakan untuk melatih data-data dari dataset yang dipilih dengan parameter yang telah ditentukan pada panel “N. PARAMETER” dan tombol “RECALL” digunakan untuk menguji data-data dari dataset yang dipilih. Pada panel “RESULTS” disajikan nilai akurasi pelatihan di “TRAINING ACCURACY”, nilai akurasi pengujian di “TEST ACCURACY ” dan akurasi rata-rata di “OVERALL ACCURACY”. Tombol “RESULTS” digunakan untuk melihat hasil dari pelatihan dan pengujian di tampilan baru dan tombol “OK” digunakan untuk keluar dari tampilan eMLP. Terdapat juga panel “SELECT TRAINING INPUT” yang menampilkan variabel-variabel dari dataset yang telah dipilih sebelumnya dan selanjutnya user memilih variabel “Training Inputs” dan box “TRAINING INPUT SAMPLES” untuk menampilkan jumlah sample, “SELECT TRAINING TARGETS” yang menampilkan variabel-variabel dari dataset yang telah dipilih sebelumnya dan selanjutnya user memilih variabel “Training Targets” dan box “TRAINING TARGET SAMPLES” untuk menampilkan jumlah sample, “SELECT TESTING INPUT” yang menampilkan variabel-variabel dari dataset yang telah dipilih sebelumnya dan selanjutnya user memilih variabel “Test Inputs” dan box “TESTING INPUT SAMPLES” untuk menampilkan jumlah sample, dan “SELECT TESTING TARGETS” yang menampilkan variabel-variabel dari dataset yang telah dipilih sebelumnya dan selanjutnya user memilih variabel “Test Targets” dan box “TRAINING TARGET SAMPLES” untuk menampilkan jumlah sample. Rancangan tampilan dari sub-menu evolving Multilayer Perceptron eMLP dapat dilihat pada Gambar 3.7. Universitas Sumatera Utara 39 Gambar 3.7 Rancangan tampilan menu evolving Multilayer Perceptron eMLP Pada tampilan “RESULTS”, terdapat tabel “TRAINING RESULT TABLE”, “DETECTION TABLE”, dan “TESTING RESULT TABLE”. “TRAINING RESULT TABLE ” menampilkan hasil pelatihan dengan waktu dan node-node yang ditambah pada setiap data-data training. “DETECTION TABLE” menampilkan hasil klasifikasi dengan akurasi. “TESTING RESULT TABLE” menampilkan hasil klasifikasi untuk setiap citra berdasarkan actual output dan desired output . Tombol “SHOW SAMPLE” digunakan untuk melihat citra yang user ingin lihat berdasarkan nomor sample. Pada tampilan “SHOW SAMPLE”, ditampilkan citra yang user ingin lihat sesuai dengan nomor sample dan disajikan dengan citra sebelum dan sesudah perbaikan. Tampilan “RESULTS” dapat dilihat di Gambar 3.8 dan tampilan “SHOW SAMPLE” dapat dilihat pada Gambar 3.9. Universitas Sumatera Utara 40 Gambar 3.8 Rancangan tampilan Results Gambar 3.9 Rancangan tampilan pemilihan Show Sample Universitas Sumatera Utara 41 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1 Implementasi Sistem