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