BAB 3
ANALISIS DAN PERANCANGAN
Bab ini membahas tentang implementasi metode invariant moment dalam identifikasi kesuburan pria. Bab ini juga membahas tentang data yang digunakan, pre-processing,
bounding box, dan feature extraction yang dilakukan terhadap setiap data.
3.1. Arsitektur Umum
Identifikasi kesuburan pria pada penelitian ini terdiri dari beberapa langkah yang diawali dengan pengumpulan citra mikroskop digital sperma yang normal dan citra
mikroskop digital sperma yang tidak normal yang akan digunakan sebagai data pelatihan dan data pengujian, dilanjutkan dengan melakukan proses grayscale pada
citra mikroskop digital sperma untuk mendapatkan nilai aras keabuan dari citra. Selanjutnya dilakukan proses gaussian untuk menghilangkan noise yang ada pada
citra mikroskop digital sperma. Setelah proses gaussian selesai dilanjutkan dengan segmentasi dengan menggunakan proses thresholding, proses labelling dilakukan
untuk penomoran pelabelan pada objek dan menghitung objek yang ada dalam satu citra mikroskop sperma, proses bounding box dilakukan untuk mengenali objek dalam
satu citra mikroskop sperma, dan klasifikasi menggunakan pendekatan nilai yaitu euclidean distance.
Setelah langkah-langkah tersebut dilakukan maka akan didapat hasil dari identifikasi kesuburan pria melalui kelainan sperma berdasarkan morfologi sperma
teratospermia. Setiap tahap yang dilakukan akan dijelaskan secara terperinci pada bagian- bagian selanjutnya. Adapun arsitektur umum yang menggambarkan metode
pada penelitian ini ditunjukkan pada Gambar 3.1.
Universitas Sumatera Utara
Classification Proses Seleksi Citra
Pelabelan objek pada citra sperma Labelling
Pengotakan objek pada citra sperma Bounding Box
Euclidean Distance
Hasil Identifikasi subur atau tidak subur
Gambar 3.1. Arsitektur Umum Sistem
Training Data
Citra sperma normal yang sudah teridentifikasi
Testing Data
Citra sperma yang belum diidentifikasi
Pre-Processing Pembentukan citra keabuan
grayscaling
Penghalusan citra Gaussian
Segmentasi citra thresholding
Feature Extraction Invariant moment
Universitas Sumatera Utara
3.2. Pre-Processing
Data yang akan digunakan harus melalui beberapa proses agar dapat digunakan dalam tahap selanjutnya, yaitu proses seleksi citra. Adapun proses tersebut terdiri dari proses
pembentukan citra keabuan, penghalusan citra, dan segmentasi citra.
3.2.1. Pembentukan Citra Keabuan Grayscaling
Pada tahap ini citra RGB diubah menjadi citra keabuan untuk mendapatkan nilai keabuan dari setiap pixel yang ada pada citra. Proses ini harus dilakukan sebelum
masuk kedalam proses segmentasi citra yaitu thresholding. Untuk mengubah citra berwarna yang memiliki nilai masing-masing r,g, dan b menjadi grayscale dengan
nilai s. Konversi dapat dilakukan dengan mengambil nilai rata-rata dari r, g, dan b. Contoh citra mikroskop dapat dilihat pada Gambar 3.2. sedangkan citra hasil proses
grayscaling dilihat pada Gambar 3.3.
Gambar 3.2. Citra Mikroskop Sperma
Gambar 3.3. Citra Mikroskop Sperma
Grayscale
3.2.2. Penghalusan Citra Gaussian
Proses ini dilakukan setelah proses grayscale, proses penghalusan citra ini dilakukan untuk mengurangi noise yang ada pada citra. Selain itu nilai yang didapat dari
gaussian ini akan digunakan untuk proses pengenalan objek yaitu ekstraksi ciri dengan menggunakan invariant moment.
Universitas Sumatera Utara
Adapun contoh gambar yang telah mengalami proses dari gaussian ditunjukkan pada Gambar 3.4.
Gambar 3.4. Citra Hasil Proses G aussian
3.2.3. Segmentasi Citra Thresholding
Pada tahap selanjutnya citra yang telah mengalami proses penghalusan citra gaussian akan mengalami proses segmentasi citra. Segmentasi citra dilakukan untuk
memisahkan objek dari background. Dalam proses ini citra akan dibagi menjadi dua bagian yaitu objek dan background. Proses thresholding ini akan menghasilkan citra
biner yang memberikan informasi tentang letak objek dan background. Dimana citra hanya akan berwarna hitam dan putih saja. Adapun contoh gambar yang telah
mengalami proses dari thresholding ditunjukkan pada Gambar 3.5.
Gambar 3.5. Citra Hasil Proses Thresholding
3.3. Proses Seleksi Citra