TA : Sistem Pendeteksi Penyakit Usus Buntu dengan Analisa Foto Lidah.

(1)

ANALISA FOTO LIDAH

Nama

:

Andry Sianto

NIM

:

05.41010.0102

Program

:

S1 (Strata Satu)

Jurusan

:

Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER

SURABAYA

(2)

v

Melihat lidah adalah salah satu cara metode diagnosis yang paling penting

dalam pengobatan Traditional China Medicine (TCM) selain pendeteksian dengan

menggunakan nadi. Metode diagnosis lidah digunakan untuk mengamati

perubahan abnormal pada lidah (tubuh lidah) dan selaput lidah dalam

mendiagnosis penyakit. Keakuratan dari pendeteksian lidah tergantung pada

pengalaman dari sinshe

Dalam membangun aplikasi sistem foto lidah untuk mendiagnosis radang

usus buntu berdasarkan analisis dari perubahan

pada permukaan lidah. Sistem ini

akan membantu sinshe untuk menentukan kondisi pasien menderita usus buntu

atau tidak secara akurat.

Sistem yang dibuat akan menganalisa foto lidah secara mandiri kemudian

dapat menyimpulkan berdasarkan analisa foto lidah untuk mengetahui penderita

mengalami gangguan usus buntu atau tidak sehingga semua sinshe akan terbantu

dalam mendiagnosa .

(3)

vii

DAFTAR ISI

Halaman

ABSTRAK

………..

. v

KATA PENGAN

TAR ……….

vii

DAFTAR ISI

………...

viii

DAFTAR TAB

EL ………

xi

DAFTAR GAM

BAR ……….

... xii

DAFTAR LAMPIRAN

………...

xiv

BAB I PENDA

HULUAN ………...

1 1.1 Latar belakang Masalah

………...

1 1.2 Per

umusan Masalah………

2

1.3 Pembatasan Masalah………..

2 1.4 Tujuan

………....

3 1.5 Sistematika Penulisan

……….……….

3 BAB II LAND

ASAN TEORI………

... 5

2.1 Definisi Penyakit Usus

Buntu ……….

5

2.2 Identifikasi Penyakit ………

6 2.2.1 Pengontrasan Citra

………

7 2.2.2 Diagnosa Lidah

….…

...

..………….…

10 2.2.3 Proses Anamneses

………

..

………...…

. 11

2.3 Teknologi Informasi

………...………

.. 11

2.4 Bas

is data………...………..

12 BAB III ANALISA DAN PERANCANGAN SISTEM

3.1 Analisis... 13

(4)

viii

3.2.1 Alur Proses Desain Cara Kedokteran Barat... 16

3.2.2 Alur Proses Desain Cara Kedokteran Timur... 17

3.2.3 Proses Perhitungan Anamnesa... 19

3.2.4 Proses Pendeteksian Image Lidah... 22

A. Proses Pengambilan Foto Gambar Lidah... 22

B. Pemrosesan Image Lidah... 23

C. Pengambilan Foto Lidah... 24

D. Penganalan Warna Dan Pengontrasan... 24

E. Grey Image... 26

F. Membuat Region... 28

G. Menentukan Papila Atau Pikle... 34

H. Hasil Pemrosesan

……….

35 3.3 Desain Input

–

output (I/O)

………...

..

36 BAB IV IMPLEMENTASI DAN EVALUASI

4.1 Implementasi

……

...

………....

42 4.2 Evaluasi Sistem

………

52 4.2.1 Evaluasi Hasil Uji Coba Sistem

……….

.. 52

4.3 Analisis Hasil Uji Perhitungan

Accuracy

Pada Diagnosa Lidah... 67

4.3.1 Analisis Hasil Uji Coba... 71

BAB V PENUTUP

5.1 Kesimpul

an………

. 72

5.2 Saran………

... 72

DAFTAR P

USTAKA…

..

……….

. 73

LAMPIRAN

(5)

x

DAFTAR TABEL

Halaman

Tabel 3.1 Nilai Dan Warna Grey ... 26

Tabel 3.2 Proses Penghilangan Region ... 33

Tabel 3.3 Evaluasi Uji Coba Nama pasien ... 37

Tabel 3.4 Evaluasi Uji Coba Pendetekasian Image Lidah untuk Menentukan

Radang Usus Buntu ... 39

Tabel 4.1 Keterangan Tombol ...

54 Tabel 4.2 Data Uji Coba Nama pasien ...

55 Tabel 4.3 Evaluasi Uji Coba Nama pasien ...

56 Tabel 4.4 Keterangan Tombol ...

48 Tabel 4.5 Evaluasi Uji Coba Lidah Yang Menderita Penyakit Usus Bun

tu…...

60 Tabel 4.6 Evaluasi Uji Coba Lidah Normal...

65 Tabel 4.7 Perhitungan

Accuracy

Pada Diagnosa Lidah... 68

Tabel 4.8 Perhitungan Nilai

Accuracy

Pada Diagnosa Lidah... 69

Tabel 4.9 Evaluasi Uji Coba Pendetekasian Image Lidah untuk Menentukan

Radang Usus Buntu... 70

(6)

xi

DAFTAR GAMBAR

Halaman

Gambar 2.1 Pembusukan Usus B

untu………

6 Gambar 2.2 Penyakit Usus Buntu dan Proses Dimana Menunjukan

Pengolahan Citra Yang Dikontras

………

...

…

. 10

Gambar 2.3 Lidah Pasien Sehat dan Lidah Pasien Terkena Penyakit Usus

Buntu

…….………..

..

11 Gambar 3.1 Usus Buntu (sekum) Dalam Sistem Pencernaan Manusia

……

16 Gambar 3.2 Alur Proses Desain Cara Kedokteran Barat ... 18

Gambar 3.3 Alur Proses Desain Cara Kedokteran Timur...

19 Gambar 3.4 Alur Proses Pendeteksian Gambar Lidah...

23 Gambar 3.5 Lidah sebelum di

crop

dan lidah sesudah di

crop

……….

24 Gambar 3.6 Penentuan Warna dan Pengontrasan...

27 Gambar 3.6 Region... 30

Gambar 3.7 Hasil Region... .

30 Gambar 3.9 Algoritma penghilangan satu titik ... 31

Gambar 3.10 A, 3.10 B, 3.10 C Menunjukan Lidah Sebelum Diproses,

Proses Pengontrasan, Menunjukan Proses Pengenalan Warna.. 32

Gambar.3.11 Proses Region dan Proses Penghilangan Region ... 33

Gambar 3.12 A, 3.12 B Proses Perhitungan Papila Dan Proses Selesai... 34

Gambar 3.13

Alur Proses Mencari Region ... 35

Gambar 3.14 Desain Menu Utama

………..……….

... 36

Gambar 3.15 Desain Input P

asien………

..

…

.. 37

Gambar 3.16 Desain Proses Pendeteksi I

mage………

. 38

Gambar 3.17 Desain A

namnes………

....

40

(7)

xii

Gambar 4.1 Hasil pengontrasan... 44

Gambar 4.2 Grey Image... 45

Gambar 4.3 Membuat Region... 50

Gambar 4.4 Hasil Perhitungan Papila... 52

Gambar 4.5 Form Menu Utama... 53

Gambar 4.6 Isi Menu File...

53 Gambar 4.7 Isi Menu Master...

54 Gambar 4.8 Form Input Pasien...

54 Gambar 4.9 Form Edit Nama pasien...

55 Gambar 4.10 Form Pendeteksi Foto lidah...

57 Gambar 4.11 Form Cari Pasien...

57 Gambar 4.12 Form Anamnesa Pasien...

58 Gambar 4.13 Form Pengambilan Gambar Lidah...

59 Gambar 4.14 Form Hasil Pengambian Gambar Lidah...

59 Gambar 4.15 Form Hasil Pendetksi foto lidah...

69

(8)

xiii

Halaman

Lampiran 1 Biodata Penulis

buntu………

...

………..

73 Lampiran 2 Lampiran Penyakit Usus ... 74

(9)

PENDAHULUAN

1.1 Latar Belakang Masalah

Sinshe melakukan pemeriksaan akupuntur dan juga melihat perubahan pada lidah tetapi untuk melakukan pemeriksaan tersebut membutuhkan waktu dan tenaga, juga mengeluarkan biaya yang cukup banyak untuk pemeriksaan tersebut.

Dengan pengamatan akan tampak adanya pembengkakan ronga perut dimana dinding perut tampak mengencang pada perabaan didaerah perut kanan bawah, seringkali bila ditekan akan terasa nyeri dan bila tekanan dilepas juga akan terasa nyeri yang mana merupakan kunci dari diagnosis usus buntu.

Kenaikan dari sel darah putih hingga sekitar 10.000 – 18.000/mm3 jika terjadi peningkatan lebih dari itu maka kemungkinan usus buntu sudah mengalami perforasi

(pecah). Dimana dengan pemeriksaan ct scan (93-98%) tingkat keakuratan nya sangat tinggi untuk mengetahui penderita menderita usus buntu atau tidak.

Jika radang usus buntu tidak dapat dikenali atau diobati, usus buntu bisa pecah, membuat kantung meradang di luar usus tersebut dan menimbulkan nanah. Akibat lanjut, benda dari usus buntu masuk ke rongga perut, menyebabkan peradangan serius. Penderita usus buntu umumnya mengalami sakit perut, terutama dimulai di sekitar pusar dan bergerak kesamping kanan bawah, penurunan nafsu makan, mual dan muntah, serta diare.

Penderita penyakit usus buntu sangat beresiko apabila tidak cepat diobati oleh sebab itu yang harus dilakukan untuk mendeteksi penyakit usus buntu. Salah satunya adalah dengan pemanfaatan teknologi informasi. Saat ini teknologi informasi juga telah berkembang di dalam dunia medis. Pemanfaatan teknologi informasi dapat

(10)

membantu meringankan tugas dokter dan sinshe. Alat untuk mendeteksi penyakit usus buntu sudah ada tetapi dibutuhkan biaya yang mahal untuk membeli alat tersebut (Jie, Sim Kie. 1997. ).

Oleh karena itu, dibuatlah aplikasi yang dapat mendeteksi penyakit usus buntu melalui lidah. Aplikasi ini dapat digunakan sebagai langkah awal untuk mengetahui tingkat kelainan pada usus buntu sehingga pasien tidak perlu melakukan pemeriksaan lebih lanjut seperti pengecekan darah karena dengan adanya pemeriksaan lebih lanjut sangat membutuhkan banyak biaya dan tenaga.

Dengan dibuatnya sistem ini agar dapat lebih menghemat tenaga para sinshe dalam mediagnosa pasien, dengan hasil yang diberikan oleh sistem ini mengharapkan pasien untuk dapat mengubah pola hidup makan penderita dari penyakit yang lain selain usus buntu.

1.2 Perumusan Masalah

Permasalahan dalam perancangan dan pembuatan Tugas akhir ini meliputi : Bagaimana membangun aplikasi sistem foto lidah untuk mendiagnosis radang usus buntu berdasarkan analisis warna lidah.

1.3 Pembatasan Masalah

Berdasarkan latar belakang dan rumusan masalah maka batasan masalah yang digunakan pada tugas akhir ini adalah sebagai berikut:

1. Pembuatan sistem ini berdasarkan pada gejala-gejala yang umum dan klinis yang sering dialami oleh seseorang dan tidak berdasar hasil tes laboratorium.

2. Aplikasi yang digunakan untuk membangun sistem ini adalah Microsoft Visual Basic. 6 dan database yang digunakan adalah Microsoft Acces. 3. Aplikasi yang dibangun merupakan aplikasi berbasis desktop.

(11)

4. Gambar yang digunakan dengan ukuran 300x300 Piksel. 5. Kamera yang digunakan canon 550D.

6. Image lidah berwarna dan bertekstur tertentu yang menandakan penyakit usus buntu. Pengambilan keputusan akan dipengaruhi dengan gejala-gejala umum yang didapat dari anamnese pada pasien.

1.4 Tujuan

Tujuan dari perancangan dan pembuatan sistem ini adalah:

Menghasilkan sistem yang dapat mendeteksi penyakit usus buntu dengan menggunakan foto lidah.

1.5 Sistematika Penulisan

Sistematika penulisan laporan adalah sebagai berikut:

BAB I : PENDAHULUAN

Membahas tentang bagaimana penderita lebih menghemat waktu dan tenaga yang dimana penderita tidak perlu mencari sinshe lagi.

BAB II : LANDASAN TEORI

Meliputi penjelasan konsep dasar sistem informasi, macam macam penyakit usus buntu dan penerapan pengolahan citra untuk diagnosa penyakit. Terdiri dari :Definisi Penyakit Usus Buntu, Identifikasi Penyakit, Diagnosa Lidah, Pengolahan Citra, Proses Anamneses, Teknologi Informasi Basis data.

BAB III : ANALISA DAN PERANCANGAN SISTEM

Membahas tentang gambaran penyakit usus buntu serta identifikasi jenis penyakit dan menuliskan metode yang penulis gunakan untuk menyelesaikan tugas akhir ini. Terdiri dari : Identifikasi Permasalahan, Perancangan Sistem, Alur Proses Desain Cara

(12)

Kedokteran Barat, Alur Proses Desain Cara Kedokteran Timur, Proses Perhitungan Anamnesa, Proses Pendeteksian Image Lidah, Desain Input – output (I/O).

BAB IV : IMPLEMENTASI DAN EVALUASI

Berisi hasil dan pembahasan yang berisi printscreen dari interface progam dan penjelasan mengenai interface tersebut. Hasil evaluasi didapat dengan melakukan testing aplikasi, baik dari segi jalannya proses maupun validasi. Terdiri dari : Kebutuhan Sistem, Instalasi Program dan Pengaturan Sistem, Evaluasi Sistem, Evaluasi Hasil Uji Coba Sistem, Analisis Hasil Uji Coba.

BAB V : PENUTUP

Merupakan penutup yang berisi kesimpulan, saran dan daftar pustaka.

(13)

LANDASAN TEORI

2.1 Definisi Penyakit Usus Buntu

Penyakit usus buntu adalah saluran usus yang terjadinya pembusukan dan menonjol dari bagian awal usus besar atau seku. Penyakit usus buntu timbul ketika usus buntu tersumbat benda keras di dalam tinja atau bengkaknya cabang kelenjar getah bening, apabila tidak ditangani secara serius maka hal tersebut dapat memperburuk kondisi penderita. (Sjamsuhidajat. Wim de jong. 2005).

Penyakit usus buntu terdapat di seluruh dunia dan dapat menyerang semua orang, baik pria maupun wanita. Penyakit usus buntu disebabkan oleh bakteri dan Makan cabai bersama bijinya atau jambu klutuk beserta bijinya sering kali tak tercerna dalam tinja dan menyelinap kesaluran appendiks sebagai benda asing. Gejala usus buntu umumnya mengalami sakit perut, terutama dimulai di sekitar pusar dan bergerak kesamping kanan bawah, penurunan nafsu makan, mual dan muntah, serta diare. (Sjamsuhidajat. Wim de jong. 2005. ).

Seseorang yang mengalami penyakit cacing (cacingan), apabila cacing yang beternak didalam usus besar lalu tersasar memasuki usus buntu maka dapat menimbulkan penyakit radang usus buntu. Peradangan atau pembengkakaan yang terjadi pada usus buntu menyebabkan aliran cairan limfe dan darah tidak sempurna pada usus buntu (appendiks) akibat adanya tekanan, akhirnya usus buntu mengalami kerusakan dan terjadi pembusukan (gangren) karena sudah tak mendapatkan makanan lagi. (Sjamsuhidajat. Wim de jong. 2005.).

(14)

Gambar 2.1 Pembusukan usus buntu (Sjamsuhidajat. Wim de jong. 2005.).

Gambar 1 menunjukkan pembusukan usus buntu menghasilkan cairan bernanah. Apabila tidak segera ditangani maka usus buntu akan pecah (perforasi/robek) dan nanah yang berisi bakteri tersebut menyebar ke rongga perut. Dampaknya adalah infeksi yang semakin meluas, yaitu infeksi dinding rongga perut (Peritonitis).

Usus buntu (appendiks) merupakan organ berbentuk tabung, dengan panjang sekitar 10 cm (orang dewasa), lebarnya separo jari kelingking, jadi merupakan ruangan yang sangat sempit. Lubangnya sempit di bagian pangkal dan melebar di bagian ujung. Namun, pada bayi appendiks berbentuk kerucut, lebar pada pangkalnya dan menyempit kearah ujungnya.

2.2 Identifikasi Penyakit

Dengan adanya pengidentifikasian pada keluhan suatu penyakit yang timbul, maka diharapkan dalam mengindikasi penyakit yang terjadi lebih cepat dan efisien. Adapun sub pokok bahasan dalam identifikasi penyakit pada pasien adalah sebagai berikut :

(15)

Pada kondisi ini yang timbul sedikit mirip dengan sakit maag dimana terjadi nyeri samar (tumpul) di daerah sekitar pusar dan terkadang demam yang hilang timbul. Seringkali disertai dengan rasa mual, bahkan kadang muntah, kemudian nyeri itu akan berpindah ke perut kanan bawah dengan tanda-tanda yang khas pada apendisitis akut yaitu nyeri pada titik Mc Burney (istilah kesehatannya), tubuh akan panas tinggi, nyeri perut kanan bawah, buat berjalan jadi sakit sehingga agak bungkuk, namun tidak semua orang akan menunjukkan gejala seperti ini, bisa juga hanya bersifat meriang atau mual muntah saja.

Penyebaran rasa nyeri akan bergantung pada arah posisi/letak usus buntu itu sendiri terhadap usus besar, Apabila ujung usus buntu menyentuh saluran kencing ureter, nyerinya akan sama dengan sensasi nyeri kolik saluran kemih, dan mungkin ada gangguan berkemih. Bila posisi usus buntunya ke belakang, rasa nyeri muncul pada pemeriksaan tusuk dubur atau tusuk vagina. Pada posisi usus buntu yang lain, rasa nyeri mungkin tidak spesifik begitu.

2.2.1 Pengontrasan Citra

Pengontrasan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :

1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.

2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.

(16)

Bidang aplikasi kedua sangat erat hubungannya dengan ilmu pengetahuan pole (pattern recognition) yang umumnya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra atau image recognition. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari.

Pengolahan citra dan pengenalan pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali. Secara umum tahapan pengolahan citra digital meliputi akusisi citra, peningkatan kualitas citra, segmentasi citra, representasi dan uraian, pengenalan dan interpretasi. (Schahkoff, Robert J.Suns Inc). Adapun sub pokok bahasan dalam pengolahan citra adalah sebagai berikut :

A. Akusisi Citra

Pengambilan data dapat dilakukan dengan menggunakan berbagai media seperti kamera analog, kamera digital, scanner, dan sebagainya. Citra yang dihasilkan belum tentu data digital, sehingga perlu didigitalisasi.

B. Peningkatan Kualitas Citra

Pada tahap ini dikenal dengan pre-processing dimana dalam meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pada tahap pengolahan citra digital berikutnya.

C. Segmentasi Citra

Segmentasi bertujuan untuk memilih dan mengisolasikan (memisahkan) suatu objek dari keseluruhan citra. Segmentasi terdiri dari downsampling, penapisan dan

(17)

deteksi tepian. Tahap downsampling merupakan proses untuk menurunkan jumlah piksel dan menghilangkan sebagian informasi dari citra. Dengan resolusi citra yang tetap, downsampling menghasilkan ukuran citra yang lebih kecil.

Tahap segmentasi selanjutnya adalah penapisan dengan filter median, hal ini dilakukan untuk menghilangkan derau yang biasanya muncul pada frekuensi tinggi pada spektrum citra. Pada penapisan dengan filter median, gray level citra pada setiap piksel digantikan dengan nilai median dari gray level pada piksel yang terdapat pada window filter.

Tahap yang terakhir pada proses segmentasi yaitu deteksi tepian. Pendekatan algoritma Canny dilakukan berdasarkan konvolusi fungsi citra dengan operator Gaussian dan turunan-turunannya. Pendeteksi tepi ini dirancang untuk merepresentasikan sebuah tepian yang ideal, dengan ketebalan yang diinginkan. Secara umum, proses segmentasi sangat penting dan secara langsung akan menentukan keakurasian sistem dalam proses identifikasi.

D. Representasi dan Uraian

Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang lengkap.

Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar, dan area representasi digunakan ketika penekanannya pada karakteristik dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah menguraikan data.

(18)

E. Pengenalan dan Interpretasi

Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacam-macam citra. Dari sejumlah citra diolah sehingga citra dengan ciri yang sama akan dikelompokkan pada suatu kelompok tertentu. Interpretasi meliputi penekanan dalam mengartikan objek yang dikenali.

Gambar 2.2. penyakit usus buntu dan proses dimana menunjukan pengolahan citra yang di tingkat kan kontras nya.

( Pang, Bo, David Zhang and Kuanquan Wang. 2005.).

Tahap selanjutnya adalah pengontrasan citra foto lidah untuk menghasilkan citra yang berbeda sehingga dapat mengambil kesimpulan apakah terjadi sindrom usus buntu.

2.2.2 Diagnosa Lidah

Pengamatan diagnosa lidah merupakan bagian terpenting dalam pemeriksan dengan menggunakan hubungan antara pengukuran sifat berwarna dan tekstur lidah (diperoleh melalui teknik pengolahan citra) dan diagnostik hasil pasien yang sesuai. Ini memberikan evaluasi tujuan penentuan sindrom usus buntu.

(19)

Gambar 2.3 lidah pasien sehat dan lidah pasien terkena penyakit usus buntu.

( Pang, Bo, David Zhang and Kuanquan Wang. 2005. ).

Tahap ini dikenal dengan proses awal dimana dengan meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pengolahan citra digital tahap berikutnya.

2.2.3 Proses Anamneses

Tahap ini menanyai pasien dengan gejala-gejala usus buntu yang digunakan untuk parameter dalam mengambil keputusan.

2.3 Teknologi Informasi

Istilah teknologi informasi sendiri pada dasarnya merupakan gabungan dua istilah dasar yaitu teknologi dan informasi. Teknologi dapat diartikan sebagai pelaksanaan ilmu, persamaan kata dengan ilmu terapan. Sedangkan pengertian informasi menurut Oxfoord English Dictionary, adalah “that of which one is apprised or told: intelligence, news”. Kamus lain menyatakan bahwa informasi adalah sesuatu yang dapat diketahui. Namun ada pula yang menekankan informasi sebagai transfer pengetahuan. Selain itu istilah teknologi informasi juga memiliki arti yang lain sebagaimana diartikan oleh Rancangan Undang-Undang Informasi dan Transasksi Elektronik (RUU ITE) yang mengartikannya sebagai suatu teknik

(20)

untuk mengumpulkan, menyiapkan, menyimpan, memanipulasi, mengumumkan, menganalisa, dan menyebarkan informasi dengan tujuan tertentu (Pasal 1 ayat 1). Sedangkan informasi sendiri mencakup data, teks, image, suara, kode, program komputer, database (Pasal 1 ayat 2).

Adanya perbedaan definisi informasi dikarenakan pada hakekatnya informasi tidak dapat diuraikan, sedangkan informasi itu dijumpai dalam kehidupan sehari-hari, yang diperoleh dari data dan observasi terhadap dunia sekitar kita serta diteruskan melalui komunikasi. Secara umum, teknologi informasi dapat diartikan sebagai teknologi yang digunakan untuk menyimpan, menghasilkan, mengolah, serta menyebarkan informasi. Definisi ini menganggap bahwa teknologi informasi tergantung pada kombinasi komputasi dan teknologi telekomunikasi berbasis mikroeletronik.

2.4 Basis Data

Basis data merupakan kumpulan file-file yang mempunyai kaitan antara satu file dengan file yang lain sehingga membentuk suatu bangunan data untuk menginformasikan data yang dibutuhkan. Bila terdapat file yang tidak dapat dipadukan atau dihubungkan dengan file yang lain berarti file tersebut bukanlah kelompok dari satu database, ia akan membentuk satu database tersendiri.

Tujuan dari database adalah untuk mempermudah penciptaan struktur data dan menyiapkan suatu database yang dapat digunakan untuk sejumlah progam aplikasi yang berlainan sehingga dapat meningkatkan produktifitas pemrogam. Kumpulan file yang saling berkaitan bersama dengan progam untuk pengelolaannya disebut sebagai database.

(21)

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis

Melihat lidah adalah salah satu cara metode diagnosis yang paling penting dalam pengobatan Traditional China Medicine (TCM) selain pendeteksian dengan menggunakan nadi. Metode diagnosis lidah digunakan untuk mengamati perubahan abnormal pada lidah (tubuh lidah atau substansi lidah) dan selaput lidah dalam mendiagnosis penyakit. Kelebihan diagnosa lidah dalam kesederhanaan dan kecepatan. Setiap kali ada gangguan kompleks penuh kontradiksi, pemeriksaan lidah langsung dapat memperjelas patologis utama proses. Teori ini sangat berharga untuk diagnosis klinis.

Diagnosis lidah telah memainkan peran penting selama ribuan tahun dalam mendiagnosis dan kelanjutan pengobatan penyakit. Hal ini menarik perhatian sejumlah ahli pengobatan, baik di kedokteran klinis dan biomedik. Namun, tradisional diagnosis lidah memiliki keterbatasan yang tak terelakkan. Pertama, kompetensi klinis diagnosis lidah ditentukan oleh pengalaman dan pengetahuan dari dokter. Kedua, faktor pengambilan gambar lidah sangat tergantung pada perbedaan dalam sumber cahaya dan kecerahan gambar, memiliki pengaruh yang besar pada dokter dalam mendapatkan diagnostik yang tepat dari lidah tersebut. Akhirnya, diagnosis lidah tradisional erat berkaitan dengan identifikasi sindrom, dan tidak sangat dipahami dengan baik oleh kedokteran Barat dan biomedis modern. Oleh karena itu, perlu untuk membangun sebuah standar diagnostik objektif dan kuantitatif untuk diagnosis lidah.

(22)

Untuk mengatasi masalah diatas, peneliti telah berusaha mengembangkan metode dan sistem komputerisasi untuk diagnosis lidah. Meskipun para peneliti telah membuat kemajuan dalam standarisasi dan kuantifikasi diagnosis lidah, masih ada masalah yang signifikan yaitu : Pertama, beberapa metode hanya berkaitan dengan identifikasi sindrom, akibatnya, tidak akan diterima secara luas, terutama di pengobatan barat (pengobatan barat tidak mengenal sindrom). Kedua, validitas yang mendasari metode dan sistem biasanya berdasarkan perbandingan antara hasil diagnosa yang diperoleh dari metode atau sistem dan penilaian yang dibuat oleh praktisi terampil dalam membaca lidah. Artinya, menggunakan pendekatan seperti itu maka sulit untuk menghindari faktor subjektivitas. Ketiga, hanya sedikit sampel yang digunakan dalam percobaan (biasanya tidak lebih dari 120), dan ini adalah jauh dari memenuhi persyaratan untuk memperoleh hasil yang memuaskan dalam pengenalan pola statistik. Terakhir, banyak dikembangkan sistem hanya didedikasikan untuk pengakuan fitur patologis (Seperti warna tubuh lidah dan lidah sakit lidah) dalam diagnosis lidah, dan pemetaan dari gambar lidah untuk penyakit tidak dipertimbangkan. Ini pasti akan membatasi aplikasi dari sistem seperti dalam kedokteran klinis.

Seorang dokter barat dalam mendiagnosa suatu penyakit usus buntu yaitu dengan melihat gejala-gejala klinis yang dialami oleh penderita. Gejala tersebut didapatkan dari hasil jawaban atas pertanyaan-pertanyaan yang diberikan oleh seorang dokter kepada penderita. Kemudian dokter membuat kesimpulan penyakit yang diderita oleh pasien serta tingkat keparahan penyakit yang dialami.

Untuk dapat membuat sistem pendeteksi penyakit usus buntu dengan foto lidah secara akurat, diperlukan juga data mengenai jenis penyakit usus buntu

(23)

dan gejala nya. Sumber data atau informasi tersebut bisa didapatkan dari seorang pakar kesehatan maupun buku mengenai penyakit yang akan dianalisa. Berikut gambaran umum mengenai proses sistem diagnosa penyakit usus buntu.

Data yang didapatkan dari seorang dokter maupun buku tersebut akan dimasukkan kedalam sistem untuk diproses dan diolah yang kemudian akan dijadikan sebuah informasi jenis penyakit usus buntu yang akurat. Proses tersebut dimulai dengan membuat tabel pertanyaan. Jawaban dari pertanyaan ini akan menentukan nilai yang telah diberikan pada tiap-tiap pertanyaan. Jumlah dari semua nilai pertanyaan akan menjadi acuan dalam memutuskan penderita tersebut mengalami radang usus buntu atau tidak. Nilai tersebut didapatkan dari hasil pengamatan dokter terhadap prosentase jumlah gejala yang terjadi pada seorang pasien untuk penyakit usus buntu.

Setelah mengumpulkan semua gejala-gejala yang dimasukkan oleh user, sistem akan melakukan pencocokkan setiap gejala tersebut dengan nilai-nilai yang telah diberikan atas pertanyaan tersebut, tiap pertanyaan mempunyai nilai yang berbeda tergantung dari hirarki dari gejala yang sering timbul dari pengalaman dokter-dokter dalam menangani pasien usus buntu (sesuai dengan teori dasar kedokteran).

Diagnossa berikut dengan mengidentifikasi gambar lidah (Diagnosis ini mengacu dari pemgalman-pengalaman praktisi pengobatan Traditional China Medicine (TCM). Gambar lidah akan didiagnosa oleh sistem untuk menentukan apakah penderita mengalami peradangan pada usus buntu atau tidak. Sistem yang dibuat akan memadukan sistem pengobatan barat dan sistem pengobatan timur dalam melakukan pendiagnosaan penderita usus buntu. Dengan kedua sistem ini

(24)

diharapkan dapat menaikkan tingkat keakuratan dokter dalam membuat keputusan diagnosa bagi penderita.

3.2 Perancangan Sistem

Sistem informasi ini memadukan cara diagnosa kedokteran barat dan kedokteran timur (china medicine).

1. Cara kedokteran barat adalah dengan cara mengisi pertanyaan-pertanyaan kemudian disimpulkan

2. Cara kedokteran timur adalah dengan menganalisa foto lidah kemudian disimpulkan

3.2.1 Alur Proses Desain Cara Kedokteran Barat

Gambar 3.1 Usus Buntu (sekum) Dalam Sistem Pencernaan Manusia. (Jie, Sim Kie. 1997.)

Usus buntu atau sekum (Bahasa Latin: caecus, "buta") dalam istilah anatomi adalah suatu kantung yang terhubung pada usus penyerapan serta bagian kolon menanjak dari usus besar. Organ ini ditemukan pada mamalia, burung, dan beberapa jenis reptil. Sebagian besar herbivora memiliki sekum yang besar, sedangkan karnivora eksklusif memiliki sekum yang kecil, yang sebagian atau seluruhnya digantikan oleh umbai cacing.

(25)

Pada awalnya organ ini dianggap sebagai organ tambahan yang tidak mempunyai fungsi, tetapi saat ini diketahui bahwa fungsi apendiks adalah sebagai organ imunologik dan secara aktif berperan dalam sekresi immunoglobulin (suatu kekebalan tubuh) di mana memiliki/berisi kelenjar limfoid. ( Jie, Sim Kie. 1997. ).

Alur proses berikut menjelaskan tentang bagaimana tahapan-tahapan dari proses pengumpulan data yang akan digunakan oleh penulis. Data tersebut merupakan detail data yang akan diletakkan pada aplikasi diagnosa penyakit usus buntu. Proses pengumpulan data dimulai dengan melakukan wawancara dengan seorang pakar penyakit usus buntu (dokter). Wawancara dengan seorang pakar tersebut melalui dua cara, yaitu wawancara langsung dan wawancara melalui sebuah kusioner. Selain itu penulis mengumpulkan data gejala-gejala seseorang menderita usus buntu dengan mengambil data dari pengetahuan dasar kedokteran barat yang diajarkan. Kemudian penulis memetakan data tersebut menjadi kusioner yang mempunyai nilai dari masing-masing pertanyaan yang ada sehingga dapat menarik kesimpulan dari nilai yang diperoleh tersebut dapat dilihat pada Gambar 3.2.

3.2.2 Alur Proses Desain Cara Kedokteran Timur.

Radang usus buntu adalah penyakit perut akut. Perubahan kelainan utama yang terlihat pada gambar lidah pasien penderita usus buntu termasuk tiga aspek: warna tubuh lidah, tekstur lidah dan selaput lidah, dan, khususnya, perubahan patologis di ujung lidah. Warna substansi lidah bisa merah tua, merah agak tua atau merah gelap, menurut seberapa serius masalah tersebut telah menjadi. Juga, perubahan abnormal pada lapisan menunjukkan tingkat keparahan usus buntu itu. Warnanya bisa putih atau kuning, dan pelapisan dapat tipis atau tebal, atau

(26)

mungkin memiliki penampilan yang berminyak atau kombinasi dari sifat ini. Selain itu, tanda yang paling penting dari usus buntu dalam gambar lidah adalah bahwa ada banyak prickles di ujung lidah, yang warnanya biasanya jelas merah dapat dilihat pada Gambar 3.3. (Bo Pang, David Zhang, Kuanquan Wang. 2005. ).

(27)

Pencarian journal pendungkung Wawancara dengan praktisi kedokteran timur (sin she)

Pencarian gambar lidah yang terkena usus buntu dan yang

sehat

selesai Perbaiki Setuju ?

Konsultasi dengan pakar pendiagnosisan lidah Pengolahan gambar lidah

dengan cara dikontraskan,pemotongan

ukuran dan lain-lain

Tidak Ya Mulai

Gambar 3.3 Alur proses desain cara kedokteran timur.

3.2.3 Proses Perhitungan Anamnesa

Anamnesa adalah proses yang dimana menanyakan gejala-gejala apa saja yang diderita oleh pasien agar sistem dapat mengetahui apakah penderita dapat dikategorikan sebagai penderita usus buntu atau tidak.

Ananmnesa yang ada pada sistem ini adalah sebagai berikut : 1. Apakah demam diatas 38 derajat Celcius ?

2. Apakah mual-mual atau muntah ? 3. Apakah kehilangan nafsu makan ?

4. Apakah nyeri perut kanan bagian bawah ? 5. Apakah buat berjalan semakin menjadi sakit ?

(28)

Masing-masing pertanyaan tersebut mempunyai nilai tersendiri. Besaran nilai ini telah dikonsultasikan pada pakar penyakit usus buntu. Untuk pertanyaan 1-3 jika penderita mengalaminya maka akan ditambahkan nilai 20 untuk masing-masing pertanyaan. Untuk pertanyaan 4 dan 5 akan ditambah nilai 45 untuk masing-masing pertanyaan.

Gejala Nilai

1. Apakah demam diatas 38 derajat Celcius ? 20 2. Apakah mual-mual atau muntah ? 20 3. Apakah kehilangan nafsu makan ? 20 4. Apakah nyeri perut kanan bagian bawah ? 45 5. Apakah buat berjalan semakin menjadi sakit ? 45

Besaran nilai dari masing masing pertanyaan mempunyai arti semakin besar nilainya maka semakin mendekati ke sakit usus buntu. Rasa nyeri kanan bawah dan rasa sakit perut jika dibuat berjalan adalah gejala yang paling sering timbul naka mempunyai nilai lebih besar terhadap gejala yang lain. Sedangkan gejala yang lain disebut gejala penyerta yang artinya penderita belum tentu menderita usus buntu jika hanya gejala penyerta yang timbul, bisa menderita penyakit yang lain

Setelah diketahui jumlah akhir jika diatas nilai 80 maka penderita akan diindikasikan terserang usus buntu sedangkan jika dibawah nilai 80 maka penderita diindikasikan belum tentu menderita usus buntu.

Contoh 1

1. Apakah demam diatas 38 derajat Celcius ? ya 20 2. Apakah mual-mual atau muntah ? ya 20

(29)

3. Apakah kehilangan nafsu makan ? tidak 0 4. Apakah nyeri perut kanan bagian bawah ? ya 45 5. Apakah buat berjalan semakin menjadi sakit ? ya 45 Jumlah 130

Karena 130 > 80 maka dalam kasus ini penderita akan dikategorikan menderita sakit usus buntu.

Contoh 2

1. Apakah demam diatas 38 derajat Celcius ? ya 20 2. Apakah mual-mual atau muntah ? ya 20 3. Apakah kehilangan nafsu makan ? ya 20 4. Apakah nyeri perut kanan bagian bawah ? tidak 0 5. Apakah buat berjalan semakin menjadi sakit ? tidak 0 Jumlah 60

Karena 60 < 80 maka dalam kasus ini penderita akan dikategorikan menderita tidak sakit usus buntu.

Latar belakang penentuan nilai / harga pada tiap-tiap gejala penyakit usus buntu di atas adalah (Dokter Heru Bunawan).

1. Kasus 1 gejala no 1,2, dan 3 yaitu demam diatas 38 derajat celcius, mual-mual atau muntah dan kehilangan nafsu makan merupakan gejala penyerta. Jadi kalau gejala ini timbul dan gejala 4 dan 5 tidak ada maka praktisi kedokteran tidak dapat menyimpulkan bahwa penderita mengalami usus buntu karena ini hanya mengalami gejala penyerta. Untuk kasus ini pada system memperoleh nilai 60 (penjumlahan semua nilai dari gejala 1, 2, dan 3 yang masing-masing nilainya 20).

(30)

2. Kasus 2 jika penderita mengalami gejala 1,2,3 dan 4 atau gejala 1,2,3 dan 5. Gejala 4 dan 5 merupakan gejala yang hampir pasti, jadi penderita jika mengalami salah satu dari gejala ini maka hampir dipastikan menderita usus buntu jika disertai gejala penyerta yaitu gejala 1, 2 dan 3. Maka pada kasus ini penderita memperoleh nilai 105 yaitu dari penjumlahan gejala 1,2,3,4 atau 5 yang masing-masing bernilai 20+20+20+45 = 105

3. Kasus 3 jika penderita mengalami gejala 4 dan 5 secara beramaan maka dapat dipastikan penderita mengalami usus buntu. Pada kasus ini penderita memperoleh nilai 90 dari penjumlahan nilai pada gejala 4 dan 5 yang masing-masing bernilai 45+45=90.

Dari bebagai macam kasus di atas maka disimpulkan nilai tengah antara penilaian bagi yang menderita usus buntu dan yang tidak dari gejala-gejala diatas adalah 80

3.2.4 Proses Pendeteksian Image Lidah

Pendeteksian gambar lidah dimaksudkan untuk mengidentifikasi gambar lidah (Diagnosis ini mengacu dari pemgalman-pengalaman praktisi pengobatan Traditional China Medicine). Gambar lidah akan didiagnosa oleh sistem untuk menentukan apakah penderita mengalami peradangan pada usus buntu atau tidak, dapat dilihat penjelasan alur proses pendeteksian pada Gambar 3.4.

A. Proses Pengambilan Foto Gambar Lidah

Pada proses pengambilan gambar lidah yang harus diperhatikan adalah 1. Penerangan dalam ruangan pengambilan foto.

Sebaiknya dilakukan diruangan yang cukup terang pada pagi hari, sinar lampu terutama lampu neon dapat mengaburkan gambar lidah.

(31)

2. Kemungkinan terjadi pengambilan gambar lidah yang salah - Setelah makan makanan yang meninggalkan bekas

- Keadaan lidah sejak kecil.

Gambar 3.4 Alur proses pendeteksian gambar lidah.

B. Pemrosesan Image Lidah

Pada bagian ini hasil foto lidah di crop / pemotongan image

sehingga menghilangkan gambar selain lidah diusahakan seukuran 300 X 300 piksel. Selain pemotongan juga dilakukan pengontrasan gambar lidah jika diperlukan.

(32)

Gambar 3.5 Lidah Sebelum Dicrop Dan Lidah Sesudah Dicrop.

Proses pengambilan foto lidah hanya yang diperlukan untuk pemrosesan. Pengambilan gambar dari sudut kiri atas sumbu x,y = 0, 0 dan pojok bawa kanan x,y = 300, 300

C. Pengambilan Foto Lidah

Proses selanjutnya image lidah diambil dari tempat penyimpanan terdapat pada hardisk yang sudah disiapkan dengan nama folder penyakit usus buntu. Kemudian image lidah akan ditampilkan ke monitor untuk dilakukan proses selanjutnya.

D. Penganalan Warna Dan Pengontrasan

Pengambilan warna dilakukan dari pojok kiri atas sampai pojok kanan bawah, warna yang diambil akan diuraikan menjadi RGB kemudian dikontraskan. Pengambilan Nilai Red dilakukan dengan cara membagi nilai piksel yang diambil pada posisi x,y kemudian dibagi dengan 255 dan sisa dari pembagian ini adalah nilai dari Red Jadi nilai Red = piksel (x,y) mod 255. Sisa pembagian isi pixel(x,y) yang dibagi dengan angka 255 adalah nilai Red.

Nilai Green diperoleh dengan pembagian nilai piksel x,y dengan angka 255 hasilnya dibagi lagi dengan angka 255 sisa dari hasil ini merupakan nilai green. Jadi nilai Green = (piksel (x,y) / 255) mod 255.

(33)

Nilai Blue diperoleh dengan membagi nilai piksel pada posisi x,y dengan angka 255 hasilnya dibagi lagi dengan angka 255 Jadi nilai Blue = piksel (x,y) / 255) / 255. Berikut ini penggabungan nilai piksel agar menghasil kan warna dapat dilihat pada lampiran 1 - 4. Proses selanjutnya adalah pengontrasan dengan cara memanipulasi nilai RGB :

1. Nilai Red

Jika Red Mod 128 <= 64 maka Red = Red – (Red Mod 128) + 0 Jika Red Mod 128 > 64 maka Red = Red – (Red Mod 128) + 128

2. Nilai Green

Jika Green Mod 128 <= 64 maka Green = Green – (Green Mod 128) + 0

Jika Green Mod 128 > 64 maka Green = Green – (Green Mod 128) + 128

3. Nilai Blue

Jika Blue Mod 128 <= 64 maka Blue = Blue – (Blue Mod 128) + 0 Jika Blue Mod 128 > 64 maka Blue = Blue – (Blue Mod 128) + 128

Nilai- nilai akan disimpan pada variable color yang digunakan untuk pemrosesan selanjutnya Alur proses diatas dapat dilihat pada Gambar 3.6.

Algoritma dari Gambar 3.6 adalah sebagai berikut : 1. Mulai dari Y= 0 (kiri atas) ke tinggi gambar (kiri bawah).

2. Mulai dari X = 0 (kiri atas) ke lebar gambar (kanan atas). 3. Pixel = Baca nilai warna yang ada pada posisi (X,Y).

4. Red = Pixel Mod 256.

(34)

6. Jika Red Mod 128 <= 64 maka Red = Red – (Red Mod 128) + 0. 7. Jika Red Mod 128 > 64 maka Red = Red – (Red Mod 128) + 128.

8. Jika Green Mod 128 <= 64 maka Green = Green – (Green Mod 128) + 0. 9. Jika Green Mod 128 > 64 maka Green = Green – (Green Mod 128) + 128. 10. Jika Blue Mod 128 <= 64 maka Blue = Blue – (Blue Mod 128) + 0. 11. Jika Blue Mod 128 > 64 maka Blue = Blue – (Blue Mod 128) + 128. Hasil Red, Green dan Blue disimpan di buffer dan digunakan untuk proses selanjutnya. Penggunaan array buffer ini berguna untuk mempercepat proses. Karena proses pembecaan piksel ke layar monitor relatif lebih lama dari pada proses pembacaan ke memory RAM ( Bo Pang, David Zhang, Kuanquan Wang. 2005. ). Dapat dilihat pada Gambar 3.6.

E. Grey Image

Warna grey adalah warna antara warna hitam dan warna putih. Pada monitor, skala grey mempunyai nilai 00 untuk hitam dan 11 untuk putih maka skala grey ini mempunyai 4 kombinasi dapat dilihat pada Tabel 3.1.

Tabel 3.1 Nilai Dan Warna Grey. Nilai Warna

00 Black

01 Dark grey

02 Light grey

03 White

(35)

Gambar 3.6 Penentuan Warna dan Pengontrasan.

Pada bagian ini akan dilakukan pemrosesan perubahan warna menjadi grey dengan cara jumlahkan semua nilai RGB dari proses sebelumnya dan kemudian bagi dengan nilai 3.

Red, green dan blue merupakan nilai dari perhitungan pada langkah pengenalan warna jika dijumlahkan dan dibagi tiga akan menghasilkan warna grey level.

Algoritma Pengenalan Warna pada langkah ini adalah :

1. Mulai dari Y= 0 (kiri atas) ke tinggi gambar (kiri bawah) 2. Mulai dari X = 0 (kiri atas) ke lebar gambar (kanan atas) 3. Red = dari bufeer image

(36)

4. Green = dari bufeer image 5. Blue = dari bufeer image

6. GreyColor = Abs(((Red) + (Green) + (Blue) / 3)

Kemudian tampilakn nilai RGB ke layar monitor untuk pengecekan hasil apakah sesuai dengan yang penulis harapkan yaitu perubahan warna menjadi warna grey scale.

F. Membuat Region

Pada bagian ini adalah inti dari proses image lidah. Pengenalan pengenalan pikles dapat dilakukan dengan proses ini. Untuk mencapai tujuan tersebut proses dimulai dengan :

1. Langkah pertama adalah memetakan region.

Region adalah suatu wilayah dimana semua bagian wilayah mempunyai nilai warna yang sama atau mendekati sama. Untuk mencari nilai yang sama penulis menggunakan cara melihat disekitar titik sekarang yaitu 8 bagian disekeliling titik x,y.

(x-1,y-1) (x,y-1) ( x +1 , y-1) (x-1,y) (x,y) ( x +1 , y) (x-1 , y + 1) (x,y+1) ( x +1 , y+1)

Dimana contoh region yang telah dimasukan angka : (7,7 ) (8,7) (9,7)

(7,8) (8,8) (7,8) (7,9) (8,9) (9,9)

(37)

Siapkan memori (buffer) sebesar dari gambar yang akan dicari regionnya. Ini berfungsi untuk membuat / memetakan region yang akan dicari. Memori tersebut diinisialisasi dengan angka 0 semua Titik awal adalah x,y maka akan melihat sekeliling titik x,y tersebut Ulangi mulai dari 1 sampai 8 (karena titik sekitar ada 8 buah)

Jika titik x,y dan titik sekitar mempunyai perbedaan yang hampir sama maka akan dianggap satu region. Untuk perbedaan menggunakan rumus sebagai berikut :

Red = (Red x,y - Red sekitar) ^ 2 Green = (Green x,y - Green sekitar) ^ 2

Blue = (Blue x,y - Blue sekitar) ^ 2 d = (Red + Green + Blue) ^ (1 / 2)

Rumus ini adalah rumus jarak antar dua koordinat, jika d bernilai lebih kecil sama dengan 50 maka akan dianggap satu region jika lebih maka akan dianggap region yang lain. Angka 50 diperoleh dari hasil uji coba seberapa baik region yang dihasilkan maka ditetapkan nilai 50. Dapat dilihat pada Gambar 3.7.

Dimana pada Gambar 3.8 hasil ini disimpan pada buffer yang disiapkan. Selain itu juga akan menyimpann jumlah titik pada satu region.

Region 1 mempunyai 32 titik. Region 2 mempunyai 25 titik. Region 3 mempunyai 11 titik. Region 4 mempunyai 12 titik.

(38)

Proses pada Gambar 3.8 untuk mencari papila yang beranggota 60-80 titik untuk satu papila.

Contoh hasil dari proses diatas adalah sebagai berikut : Misalkan table ini gambar asli

1 1 1 1 1 1 1 1 1 1

1 1 1 1 2 2 2 2 1 1

1 1 1 2 2 2 2 1 1 1

1 1 1 2 2 2 2 3 3 3

1 1 1 2 2 3 3 3 3 3 1 1 1 2 2 3 3 3 4 4 2 2 1 2 2 4 4 4 4 4 2 2 2 2 2 4 4 4 4 4 Gambar 3.7 Region.

Hasil dari algoritma pencarian region adalah :

1 1 1 1 1 1 1 1 1 1

1 1 1 1 2 2 2 2 1 1

1 1 1 2 2 2 2 1 1 1

1 1 1 2 2 2 2 3 3 3

1 1 1 2 2 3 3 3 3 3 1 1 1 2 2 3 3 3 4 4 2 2 1 2 2 4 4 4 4 4 2 2 2 2 2 4 4 4 4 4 Gambar 3.8 Hasil Region.

(39)

2. Langkah kedua adalah menyimpan titik yang tidak sama dengan titik (x,y) di stack. Penyimpanan ini digunakan untuk mendapatkan titik awal dari region yang lain. Kemudian dilakukan langkah pertama maka ditemukan region berikut. Proses akan berlangsung sampai semua wilayah yang baru yang berada pada stack berakhir. Proses tersebut penulis memodifikasi dari algoritma floding pada proses pewarnaan suatu wilayah gambar tertutup pada program paint.

3. Langkah ketiga proses penghilangan region yang berupa satu titik apabila mempunyai dua titik atau lebih tidak dianggap noise apabila lebih maka disebut region. Image pasti mempunyai noise atau titik titik warna yang tidak sesuai dengan sekitarnya. Berikut ini adalah algoritma penghilangan satu titik noise :

(40)

Apakah titik x,y tidak sama dengan titik sekitar nya jika ya ubah warna titik x,y dengan warna titik disekitar nya yang dominan Jika tidak selesai.

Pada sistem ini akan dianggap region yang lain sedangkan kalau hanya satu titik maka bisa diabaikan, maka dari itu diadakan pemrosesan yang tujuannya menghilangkan titik-titik noise tersebut.

Caranya dengan melihat disekelilingnya apakah titik tersebut berbeda dengan titik sekitarnya kalau ya maka akan dihilangkan dengan cara mengganti dengan titik yang sama dengan sekitarnya.

Pada penghilangan titik apabila terdapat titik yang berbeda dari yang lain maka akan disamakan ke warna yang lain contohnya lihat pada Tabel 3.2.

Gambar 3.10 A, 3.10 B, 3.10 C Menunjukan Lidah Sebelum. diproses, proses pengontrasan, menunjukan proses pengenalan warna.

Pada Gambar 3.10 A image lidah diambil dari tempat penyimpanan biasanya ada dihardisk atau tempat penyimpanan yang lain. Kemudian image lidah akan ditampilkan ke monitor. Dengan ukuran yang telah disiapkan yaitu 300 x 300 piksel. Pada Gambar 3.10 B dimana gambar sedang diproses dimulai dari pojok kiri atas sampai pojok kanan bawah. Warna yang diambil akan diuraikan menjadi

(41)

RGB kemudian dikontraskan. Pada Gambar 3.10 C gambar sedang dikontraskan dengan cara memanipulasi nilai RGB.

Pada tabel 3.2 Proses Penghilangan Region.

Putih Putih Putih

Putih Merah Putih

Putih Putih Putih

Gambar 3.11 Proses Region Dan Proses Penghilangan Region. Pada contoh diatas terdapat warna merah yang dimana hanya terdapat satu warna maka secara otomatis akan disamakan kewarna

putih.

4. Langkah ke empat yaitu menghitung jumlah titik pada tiap-tiap region yang ada. Digunakan untuk mengetahui luas dari masing-masing region.

5. Langkah ke lima adalah perapatan region yaitu menghilangkan region yang mempunyai jumlah anggota titiknya 0. Karena dihasilkan dari proses sebelumnya.

Proses sebelumnya adalah menghilangkan titik, yaitu region yang beranggotakan 1 titik karena sudah direduksi ke titik sekitarnya

(42)

maka region tersebut berisi 0 titik. Region-region ini yang dihilangkan dari tabel region.

Gambar 3.12 A, 3.12 B Proses Perhitungan Papila Dan Proses Selesai. Pada Gambar 3.12 A dimana perhitungan papila dimulai dari pencarian tiap-tiap jumlah region yang paling besar adalah tubuh lidah. Papila / pikles terdeteksi antara region dengan jumlah titik > 20 dan jumlah titik < 250 yang ada diwilayah lidah jumlah papila akan menentukan pasien mengalami usus buntu atau tidak, pada Gambar 3.12 B dimana hasil akan diketahui oleh penderita.

G. Menentukan Papila Atau Pikles

Karena image gambar lidah sudah diedit dan gambar yang terbesar adalah lidah maka dapat dikatakan region yang mempunyai jumlah titik terbesar adalah gambar lidah.

Perhitungan papila dimulai dari pencarian tiap-tiap jumlah region yang paling besar adalah tubuh lidah. Papila / pikles terdeteksi antara region dengan jumlah titik > 20 dan jumlah titik < 250 yang ada diwilayah lidah jumlah papila akan menentukan pasien mengalami usus buntu atau tidak. Angka 20 dan 250 diperoleh dengan uji coba program. Dengan cara ini maka akan mudah menghitung jumlah papila yang ada pada tubuh lidah.

(43)

Pendapat para ahli praktisi pendiaknosa lidah berpendapat bahwah papila dengan jumlah di atas 80 buah pada tubuh lidah mengindikasikan bahwa pasien menderita usus buntu dapat dilihat gambar 3.13.

H. Hasil Pemrosesan

Pada tahap ini sistem akan menampilkan hasil proses pendeteksi foto lidah dan anamneses maka praktisi pengguna akan mendapatkan diagnose dengan dua cara yaitu cara kedokteran barat dan cara kedokteran timur. Inputan ini akan sangat berharga bagi pengguna software ini untuk melakukan langkah pengobatan berikut bagi pasien. Dengan meminimalisasikan kesalahan diagnosis.

Alur proses mencari region adalah sebagai berikut :

(44)

3.2.3 Desain Input – Output (I/O)

Desain input output yang dibuat berfungsi untuk memudahkan user biasa dalam penggunaan sistem. Form – form yang dirancang meliputi konsep interaksi manusia dengan komputer dimana seorang user hanya dapat melihat form untuk mengerti langkah apa yang akan di lakukan selanjutnya dalam penggunaan sistem.

a) Form Menu Utama

Form menu utama merupakan form awal yang berisi keseluruhan menu dari aplikasi diagnosa penyakit usus buntu dapat diliat pada Gambar 3.14.

Gambar 3.14 Desain Menu Utama.

Pada form utama terdapat tiga sub menu yang dimana ada file, master dan image lidah. Pada file terdapat close untuk program, pada master terdapat input pasien dan pada image lidah terdapat pendeteksi foto lidah.

b) From Input pasien

Form input pasien berfungsi untuk melihat data-data pasien. Bentuk desain form input pasien dapat dilihat pada Gambar 3.15.

(45)

Input Edit Delet Cancel Proses Close Identitas pasien Nama Alamat Telepon Jenis Kelamin Hp Tanggal Lahir Laki-Laki Perempuan Nomor

Kriteria pencarian Kata Kunci Adam

NamaJenis kelamin Tanggal lahir Alamat Telepon Hp Tanggal masuk Nama

Pencarian

Nomor

Gambar 3.15 Desain Input Pasien.

Pada form ini, Pengguna dapat melihat siapa saja yang telah terdaftar apa bila penderita belum terdaftar maka penderita harus mendaftar terlebih dahulu agar data tidak tertukar dengan yang lainnya. Komponen-komponen dapat di lihat pada Tabel 3.3.

Tabel 3.3 Evaluasi Uji Coba Nama pasien.

No. Tujuan Input

Hasil yang

Diharapkan

Output Sistem

Tambah data baru ke tabel Pasien.

Klik tombol ”Input” Memasukkan data Tabel 4.2 Kemudian menekan tombol

Save.

Data tersimpan pada tabel pasien.

1.Inputan tampil

ke Datagrid

Ubah data dari tabel Pasien

“Klik” Data pasien yang akan dirubah di datagridview kemudian tekan tombol edit kemudian ubah data tekan

Data tersimpan pada tabel pasien.

1.Data berhasil disimpan pada tabel pasien 2.Inputan tampil

(46)

No. Tujuan Input

Hasil yang

Diharapkan

Output Sistem

tombol update untuk menympan 3. Menghindari data pasien kosong Memasukkan data pasien dengan mengosongkan salah satu field kemudian menekan tombol Simpan.

Muncul pesan data masih kosong

1.Data tidak tersimpan pada tabel pasien

2.Muncul pesan

kesalahan 4. Membatalkan penyimpanan dan perubahan data. Memasukkan data Tabel 4.6 di halaman131 kemudian menekan tombol Batal.

Semua field

kosong

1.Data tidak tersimpan pada tabel pengguna 2.Form seperti

semula

c) From Pendeteksi Foto lidah

Form pendeteksi foto lidah berfungsi untuk mendeteksi apakah penderita mengalami penyakit usus buntu atau tidak. Desain form pendeteksi foto lidah dapat di lihat pada Gambar 3.16.

(47)

Pada form ini, pengguna dapat melakukan proses pendeteksi foto lidah agar dapat mengetahui siapa saja yang telah menderita penyakit usus buntu maupun yang tidak menderita penyakit usus buntu dan juga dapat mencetak hasil dari proses tersebut. Komponen-komponen dapat dilihat pada Tabel 3.4.

Tabel 3.4 Evaluasi Uji Coba Pendetekasian Image Lidah untuk Menentukan Radang Usus Buntu.

No. Tujuan Input

Hasil yang Diharapkan Output Sistem 1. Mengisi data pasien

Klik tombol ”Cari pasien” keluar gambar 4.6 ”klik” data pasien yang akan dirubah di

datagridview

Data pasien akan tampil di kolom data pasien.

Inputan tampil ke kolom pasien

Proses anamnesa

“Klik” anamnesa paisenakan tampil gambar 4.7. klik jawaban yang sesuai kemudian tekan proses

Hasil dari anamnesa akan tampil.

Akan tampak hasil apakah pasien menderita usus buntu atau tidak

Mengambil gambar lidah

“klik” browse maka akan tampil gambar 4.8 cari gambar lidah yang akan diproses klik dua kali untuk mangambil.

Munculgambar lidah Muncul gambar lidah dikolom inage 4. Proses pendeteksian imaage

“Klik” tombol proses

pendeteksian image

Kesimpulan dari proses pendeteksian image menderita usus buntu atau

Muncul hasil di kolom

(48)

No. Tujuan Input

Hasil yang

Diharapkan

Output Sistem

tidak

5. Cetak Hasil

“Klik” tombol cetak hasil

Mencetak gambar ke printer

Mencetak hasil di printer

d) From Anamnesa Pasien

Form anamnesa pasien berfungsi untuk memberikan pertanyan-pertanyaan yang dimana setiap pertanyaan mempunyai bobot yang sudah ditetapkan agar dapat membantu proses pendeteksian foto lidah. Form anamnesa pasien dapat dilihat pada Gambar 3.17.

Gambar 3.17 Desain anamnesa.

Dimana pada form anamnesa pasien penderita harus menjawab dengan sebenarnya agar data yang diterima sesuai dengan masalah yang dihadapi.

e) From Cetak Hasil

Dimana from ini untuk mengetahui hasil yang telah diproses dapat dilihat pada Gambar 3.18.

(49)

(50)

Pada bab ini akan dijelaskan mengenai implementasi dan uji coba Sistem Pendeteksi Penyakit Usus Buntu Dengan Foto Lidah.

4.1 Implementasi

Sebelum dapat mengimplementasikan dan menjalankan aplikasi sistem ini, dibutuhkan perangkat keras dan perangkat lunak dengan kondisi tertentu agar dapat berjalan dengan baik. Berikut ini adalah Implementasi untuk aplikasi:

1. CPU Pentium IV 2. Memory 2 GB

3. Harddisk minimal 250 GB

4. VGA Card 64 MB, Keyboard, mouse, dan printer 5. Monitor SVGA dengan resolusi 800 X 600

Perangkat lunak merupakan kumpulan perintah atau intruksi yang mempunyai tujuan tertentu dalam menjalankan suatu sistem. Berbeda dengan perangkat keras, perangkat lunak adalah perangkat yang tidak berwujud.

Persyaratan perangkat lunak (software) adalah sebagai berikut:

1. Sistem operasi menggunakan Microsoft Windows XP Proffesional

2. Database untuk pengolahan data menggunakan Microsoft Office Access 2007.

3. Aplikasi yang dikembangkan menggunakan Microsoft Visual Basic 6.0. Terdapat beberapa langka proses pengolahan lidah sehinga dapat menentukan penderita menderita penyakit usus buntu atau tidak :

(51)

Proses Pengambilan Foto Gambar Lidah dimana pada proses ini melakukan pengambilan foto lidah. Kemudian foto diproses dengan langka-langka sebagai berikut :

• Pengontrasan warna dimana syntax program nya sebagi berikut :

lblKeteranganProses.Caption = "Pengontrasan Warna ...". frmProses.Refresh.

For Ycw = 0 To PicLidah.ScaleHeight – 1. For Xcw = 0 To PicLidah.ScaleWidth – 1. Pixel = PicLidah.Point(Xcw, Ycw). Rcw = Pixel Mod 256.

Gcw = (Pixel \ 256) Mod 256. Bcw = (Pixel \ 256) \ 256. R2 = Rcw Mod bit. If R2 <= bit / 2 Then. R1 = 0.

Else. R1 = 128. End If.

Rcw = Rcw - R2 + R1. G2 = Gcw Mod bit. If G2 <= bit / 2 Then. G1 = 0.

Else. G1 = 128.

(52)

End If.

Gcw = Gcw - G2 + G1. B2 = Bcw Mod bit. If B2 <= bit / 2 Then. B1 = 0.

Else. B1 = 128. End If.

Bcw = Bcw - B2 + B1. color(0, Xcw, Ycw) = Rcw. color(1, Xcw, Ycw) = Gcw. color(2, Xcw, Ycw) = Bcw.

PicLidah.PSet (Xcw, Ycw), RGB(Rcw, Gcw, Bcw). Next Xcw.

Next Ycw.

Hasil dari proses diatas dapat dilihat pada gambar 4.1.

Gambar 4.1 Hasil pengontrasan.

(53)

lblKeteranganProses.Caption = "Perubahan Warna ke Grey...". frmProses.Refresh.

For Ykw = 0 To PicLidah.ScaleHeight – 1. For Xkw = 0 To PicLidah.ScaleWidth – 1. Rkw = Abs(color(0, Xkw, Ykw)).

Gkw = Abs(color(1, Xkw, Ykw)). Bkw = Abs(color(2, Xkw, Ykw)).

GColor = Abs(((Rkw) + (Gkw) + (Bkw)) / 3). color(0, Xkw, Ykw) = Gcolor.

color(1, Xkw, Ykw) = Gcolor. color(2, Xkw, Ykw) = Gcolor.

PicLidah.PSet (Xkw, Ykw), RGB(GColor, GColor, GColor). Next Xkw.

Next Ykw.

Hasil dari proses diatas dapat dilihat pada gambar 4.2.

Gambar 4.2 Grey Image.

• Mebuat region dimana syntax program nya sebagi berikut :

NextReg = 0. Xreg = 0.

(54)

Yreg = 0. PRegBuf = 1.

XRegBuf(PRegBuf) = 0. YRegBuf(PRegBuf) = 0. Dim X, Y As Integer.

For Y = 0 To PicLidah.ScaleHeight – 1. For X = 0 To PicLidah.ScaleWidth – 1. Imagebuf(X, Y) = 0.

Next X. Next Y.

For i = 1 To 10000. JumReg(i).Jm = 0. Next i.

lblKeteranganProses.Caption = "Pencarian Region ...". frmProses.Refresh.

Do.

NextReg = NextReg + 1.

Call SearchRegion(Xreg, Yreg, NextReg). Xreg = XnewReg.

Yreg = YnewReg. If NewReg Then. AdaNol = True.

For Yr = 0 To PicLidah.ScaleHeight – 3. For Xr = 0 To PicLidah.ScaleWidth – 3.

(55)

If Imagebuf(Xr, Yr) = 0 And AdaNol Then. Xreg = Xr.

Yreg = Yr.

PRegBuf = PRegBuf + 1. XRegBuf(PRegBuf) = Xreg. YRegBuf(PRegBuf) = Yre.

PicLidah.PSet (Xr, Yr), RGB(0, 255, 0). Imagebuf(Xr, Yr) = NextReg + 1.

JumReg(NextReg + 1).Jm = JumReg(NextReg + 1).Jm + 1. AdaNol = False.

NewReg = False. End If.

Next Xr. Next Yr. End If.

Loop Until NewReg.

lblKeteranganProses.Caption = "reg asal: " + str(NextReg). frmProses.Refresh.

'MsgBox "reg asal: " + str(NextReg).

lblKeteranganProses.Caption = "Proses Penghilangan Titik ...". frmProses.Refresh.

For i = 1 To NextReg. If JumReg(i).Jm < 6 Then.

(56)

For Xr = 0 To PicLidah.ScaleWidth – 3. If Imagebuf(Xr, Yr) = i Then.

For j = 1 To 8. If j = 1 Then. Xc = Xr – 1. Yc = Yr – 1. End If.

If j = 2 Then. Xc = Xr. Yc = Yr – 1. End If.

If j = 3 Then. Xc = Xr + 1. Yc = Yr – 1. End If.

If j = 4 Then. Xc = Xr - 1 '. Yc = Yr. End If. If j = 5 Then. Xc = Xr + 1. Yc = Yr. End If. If j = 6 Then.

(57)

Xc = Xr – 1. Yc = Yr + 1. End If.

If j = 7 Then. Xc = Xr. Yc = Yr + 1. End If.

If j = 8 Then. Xc = Xr + 1. Yc = Yr + 1. End If.

If Xc < 0 Then Xc = 0. If Yc < 0 Then Yc = 0.

If Imagebuf(Xc, Yc) <> i Then.

Imagebuf(Xr, Yr) = Imagebuf(Xc, Yc). j = 8.

End If. Next j. End If. Next Xr. Next Yr. End If.

Next i.

(58)

Gambar 4.3 Membuat Region.

• Menentukan papila dimana syntax program nya sebagi berikut :

JumlahTitik = 0.

For Y = 0 To PicLidah.ScaleHeight – 3. For X = 0 To PicLidah.ScaleWidth – 3.

If Imagebuf(X, Y) = i Then JumlahTitik = JumlahTitik + 1. Next X.

Next Y.

If PalingBesar < JumlahTitik Then. PalingBesar = JumlahTitik.

End If.

JumlahTiapRegion(i) = JumlahTitik.

Next i.

lblKeteranganProses.Caption = "Proses Menampilkan Hasil" frmProses.Refresh.

For i = 1 To NextReg. 'MsgBox JumlahTiapRegion.

(59)

If JumlahTiapRegion(i) = PalingBesar Then. RR = 225.

GR = 128. BR = 128.

ElseIf 20 < JumlahTiapRegion(i) And JumlahTiapRegion(i) < 300 Then.

RR = 0. GR = 0. BR = 0.

JumlahPapila = JumlahPapila + 1. Else.

RR = 128. GR = 255. BR = 50. End If.

For Y = 0 To PicLidah.ScaleHeight – 3. For X = 0 To PicLidah.ScaleWidth – 3.

If Imagebuf(X, Y) = i Then PicLidahHasil.PSet (X, Y), RGB(RR, GR, BR).

Next X. Next Y.

Next i.

(60)

Gambar 4.4 Hasil Perhitungan Papila.

4.2Evaluasi Sistem

Adapun tahapan evaluasi sistem terbagi menjadi dua yaitu evaluasi hasil uji coba sistem dan analisa hasil uji coba sistem. Evaluasi hasil uji coba sistem dilakukan untuk mengkroscek kembali semua tahapan yang sudah dilakukan dan analisa hasil uji coba sistem bertujuan untuk menarik kesimpulan terhadap semua hasil uji coba yang dikerjakan terhadap sistem. Uji coba dilakukan dalam tahapan beberapa uji coba (testing) yang telah disiapkan sebelumnya.

Proses pengujian menggunakan Black Box Testing dimana aplikasi akan diuji dengan melakukan berbagai percobaan untuk membuktikan apakah aplikasi yang telah dibuat sudah sesuai dengan tujuan yang akan dicapai.

4.2.1 Evaluasi Hasil Uji Coba Sistem

Untuk mendapatkan sistem yang sesuai dengan apa yang akan dicapai maka dilakukan beberapa uji coba. Uji coba meliputi pengujian terhadap fitur dasar aplikasi, uji coba perhitungan dan uji coba validasi pengguna terhadap pemakaian aplikasi dengan menggunakan black box testing. Uji coba yang dilaksanakan adalah sebagai berikut:

(61)

Pada saat program mulai dijalankan form menu utama akan muncul pertama kali sebelum memasuki form yang lainnya. Form ini digunakan untuk menampung form-form yang lain dapat diliat pada Gambar 4.5.

Gambar 4.5 Form Menu Utama.

Setelah pengguna berada pada menu utama maka dapat diliat ada 3 sub proses yang telah tersedia dapat diliat pada gambar 4.6 dan 4.7

(62)

Gambar 4.7 Isi Menu Master.

Pada saat pengguna ingin melakukan pendeteksi maka diharuskan untuk mengisi daftar pasien yang telah disiapkan oleh sistem. Pengguna diharuskan untuk mengklik isi menu master. Pada saat diklik maka pengguna dapat melihat form yang telah tersedia. Lihat gambar 4.8.

Gambar 4.8 Form Input Pasien. Tabel 4.1 Keterangan Tombol.

Keterangan Tombol Fungsi Gambar Tombol

Input Menambah data atau menginput data.

Edit Mengoreksi data / edit data yang telah ada.

(63)

Delete Menghapus data.

Cancel Membatalkan inputan data dan mengkosongkan field inputan.

Close Keluar dari proses input pasien.

Sistem telah menyiapkan form yang harus di isi oleh pengguna setelah pengguna selesai mengisi maka dapat mengklik button save apibila terdapat kesalahan data maka dapat diedit pada button edit. Dapat di lihat pada gambar.

Gambar 4.9 Form Edit Nama pasien. Tabel 4.2 Data Uji Coba Nama pasien.

Nama Field Data-1 Data-2

Nama Arief Hadi

Jenis Kelamin Laki-laki Laki-laki Tanggal Lahir 05-05-1990 08-08-2000 Alamat Jl. Mungsing 32 Jl. Dorang 4

Telepon 5673493 875435

(64)

Tabel 4.3 Evaluasi Uji Coba Nama pasien.

No. Tujuan Input Hasil yang

Diharapkan

Output Sistem Yang Diharapkan

1. Tambah data baru ke tabel Pasien.

Klik tombol ”Input” Memasukkan data Tabel 4.2

Kemudian menekan tombol Save. Data tersimpan pada tabel pasien. Sukses

2. Ubah data dari tabel Pasien

“Klik” Data pasien yang akan dirubah di datagridview kemudian tekan tombol edit

kemudian ubah data tekan tombol update untuk menympan Data tersimpan pada tabel pasien. Sukses 3. Menghindari data pasien kosong Memasukkan data pasien dengan mengosongkan salah satu field kemudian menekan tombol Simpan. Muncul pesan data masih kosong Sukses 4. Membatalkan penyimpanan dan perubahan data. Memasukkan data Tabel 4.6 di halaman131 kemudian menekan tombol Batal.

Semua field

kosong Sukses

Pada saat pengguna selesai mengisi maka silahkan untuk mengklik button close. Kemudian pengguna diharapkan untuk mengklik form pendeteksi foto lidah setelah diklik maka akan tertampilkan sebagai berikut :

(65)

Gambar 4.10 Form Pendeteksi Foto lidah.

Setelah from diatas muncul maka pengguna slikan mengklik buton cari pasien kemudian sistem akan menampil kan Nama-nama pasien yang telah terdaftar silakan dilihat pada gambar.

(66)

Pada saat form diatas muncul maka pengguna silahkan mengklik nama yang telah didaftarkan.

Tabel 4.4 Keterangan Tombol.

Keterangan Tombol Fungsi Gambar Tombol

Cari Pasien Mencari data pasien seperti Gambar 4.8

Anamnesa Pasien

Tanya jawab pasien diagnosa secara kedokteran barat untuk menentukan pasien menderita usus buntu atau tidak seperti Gambar 4.9

Browse Mengambil data gambar lidah Gambar 4.10

Proses pendeteksian image

Memproses data lidah untuk menentukan kesimpulan usus buntu atau tidak

Cetak Hasil Untuk mencetak hasil dari proses pendeteksian secara keseluruhan.

Gambar 4.12 Form Anamnesa Pasien.

Gambar diatas terlihat bahwa aplikasi menyediakan 5 pertanyaan untuk pengguna, dimana masing-masng pertanyaan dapat dijawab dengan melakukan klik pada rule yang telah tersedia. Setelah pengguna menjawab pertanyaan maka pengguna harus mengklik button proses setelah itu pengguna mengklik button browse. Berikut gambar form yang akan ditampilkan setelah pengguna menekan button browse.

(67)

Gambar 4.13 Form Pengambilan Gambar Lidah.

Setelah pengguna mengklik gambar lidah yang sesuai dengan pasien maka sistem akan menampilkan pada gambar berikut.

Gambar 4.14 Form Hasil Pengambian Gambar Lidah.

Setelah Gambar yang sesuai dipilih silahkan mengklik button proses dan sistem akan menghitung apakah pasien tersebut terinfeksi penyakit usus buntu atau tidak. Hasil dapat dilihat pada gambar.

(68)

Tabel 4.5 Evaluasi Uji Coba Lidah Yang Menderita Penyakit Usus Buntu.

No Gambar Asli Gambar Setelah

Diproses Jumlah Papila Hasil Program Setelah Di Proses Hasil Anamnes a 1. 83 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 2. 87 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 3 92 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 4 85 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 5 84 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu

(69)

No Gambar Asli Gambar Setelah Diproses Jumlah Papila Hasil Program Setelah Di Proses Hasil Anamnes a 6 81 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 7 91 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 8 93 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 9 67 Penderita tidak menderita penyakit usus buntu Penderita menderita penyakit usus buntu 10 79 Penderita tidak menderita penyakit usus buntu Penderita menderita penyakit usus buntu 11 109 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu

(70)

No Gambar Asli Gambar Setelah Diproses Jumlah Papila Hasil Program Setelah Di Proses Hasil Anamnes a 12 91 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 13 129 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 14 89 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 15 81 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 16 93 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 17 97 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu

(71)

No Gambar Asli Gambar Setelah Diproses Jumlah Papila Hasil Program Setelah Di Proses Hasil Anamnes a 18 151 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 19 120 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 20 91 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 21 110 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 22 83 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 23 81 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu

(72)

No Gambar Asli Gambar Setelah Diproses Jumlah Papila Hasil Program Setelah Di Proses Hasil Anamnes a 24 110 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 25 90 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 26 82 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 27 83 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 28 123 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu 29 83 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu

(73)

No Gambar Asli Gambar Setelah Diproses Jumlah Papila Hasil Program Setelah Di Proses Hasil Anamnes a 30 97 Penderita menderita penyakit usus buntu Penderita menderita penyakit usus buntu

Tabel 4.6 Evaluasi Uji coba lidah normal.

No Gambar Asli Gambar Setelah

Dip rosés Jumlah Papila Hasil Program Setelah Di Proses Hasil Anamnes a

1. ₆₇