24 data testing [11]. Input model menggunakan hasil ekstraksi citra. Sedangkan outputnya diklasifikasikan menjadi tiga yaitu normal, tumor, dan kanker.
Gambar 1. Langkah-langkah penelitian
Pada Gambar 1 menunjukkan proses yang dilakukan sebelum pemodelan pemotongan citra, menghilangkan background hitam dan operasi titik,
pemodelan fuzzifikasi sampai model terbentuk, setelah pemodelan menentukan tingkat sensitifitas, spesifitas, dan akurasi dan menyusun desain GUI.
3. Results and Discussion
Sebelum proses pemodelan dilakukan, citra dianalisis lokasi adanya kanker dan dipotong berbentuk persegi menggunakan ACDSee14. Kemudianmenghilangkan
background hitam pada citra dengan Corel PHOTO-PAINT X7 dan melakukan operasi titik intensity adjustment dengan Matlab R2010a.
Operasi titik merupakan salah satu tekni untuk memperbaiki citra. Intensity adjustment yang merupakan bagian dari operasi titik bekerja dengan cara
meningkatkan nilai intensitas citra. Perubahan intensitas citra dapat diketahui dari histogram citra yang ditunjukkan pada Gambar 2.Secara umum operasi titik dapan
dirumuskan sebagai1 [12].
} ,
{ ,
int
y x
f O
y x
f
A po
B
1
dimana
A
f adalah citra masukan,
B
f adalah citra keluarandan
int po
O operasi titik
baik linier maupun non linier.
Menghilangkan background dengan Corel
PHOTO-POINT X7 Operasi
Titik Fuzzifikasi
Membangun Aturan Fuzzy
Menentukan Bobot setiap
Aturan Defuzzifikasi
Model Fuzzy Hasil klasifikasi
Kanker Payudara Menentukan sensitifitas,
spesifitas, dan akurasi Membentuk
desain GUI Pemotongan citra dengan
ACDSee14 Citra Mammogram
Membangun Model dengan
Matlab
Gambar 2. Histogram citra sebelum dan sesudah operasi titik
Gambar 2 menunjukkan perbedaan nilai intensitas citra. Histogram citra yang ke dua nilai intensitas citra lebih merata dari histogram yang pertama. Artinya
kualitas citra yang setelah operasi titik lebih baik dari sebelumnya. Langkah yang selanjutnya adalah melakukan ekstraksi citra menggunakan 12
fitur ekstraksi. Fitur ekstraksi yang digunakan adalah kontras, korelasi, energi, homogenitas, rata-rata, variansi, Standar Deviasi SD, skeunes, entropy, Sum
Average, dan Different Entropy. Rumus dari masing-masing fitur adalah sebagai berikut:
i j
j i
p j
i Contrast
, ]
13 [
2
i j
y x
j x
j i
p ij
n Correlatio
} ,
{ ]
14 [
i j
j i
p p
Energy ,
] 15
[
2
i j
j i
j i
p Homogenity
| |
1 ,
] 13
[
i j
j i
p j
i Mean
, ,
] 16
[
i j
j i
p i
Variance ,
] 17
[
2 2
i j
j i
p i
SD ,
] 17
[
2
i j
j i
p i
Skewness ,
1 ]
18 [
3 3
3 ,
1 ]
19 [
4 4
i j
j i
p i
Kurtosis
i j
j i
p j
i p
Entrophy ,
log ,
] 16
[
2
k y
x
k
p k
Average Sum
} {
] 15
[ }
{log ]
15 [
k k
y x
k y
x
p p
DE
2 dimanapi,jpiksel baris-ikolom ke-j,
x
kolom nilai rata-rata pada histogram citra,
y
adalah baris nilai rata-rata pada histogram citra,
x
kolom SD pada histogram,
y
baris SD histogram,
g g
k
N i
N j
g y
x
N k
k j
i j
i p
p
1 1
2 ,...,
3 ,
2 ;
; ,
, dan
g
N adalah banyak level abu-abu yang diperoleh citra.
Setelah proses ekstraksi langkah selanjutnya adalah membangun model fuzzy terbobot. Langkah-langkah pemodelannya dalah sebagai berikut:
Langkah 1.
Indentifikasi himpunan universal U pada input dan output Himpunan universal adalah interval nilai yang mencakup keseluruhan data pada
sistem fuzzy. Dalam hal ini nilai ekstraksi citra pada masing-masing fitur harus masuk dalam interval himpunan universal, yang selanjutnya digunakan sebagai
input. Interval dari himpunan universal pada input berdasarkan nilai minimum dan
0.5 1
1.5 2
2.5 3
3.5 4
4.5 x 10
4
50 100
150 200
250 0.5
1 1.5
2 2.5
3 3.5
4 4.5
x 10
4
50 100
150 200
250
