Klasifikasi Pendarahan Otak Menggunakan Metode Extreme Learning Machine
KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE
EXTREME LEARNING MACHINE
SKRIPSI
AULIYA DOLI RIZKI S
121402081
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME
LEARNING MACHINE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana
Teknologi Informasi
AULIYA DOLI RIZKI S
121402081
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
iii
PERSETUJUAN
Judul
: KLASIFIKASI
PENDARAHAN
OTAK
MENGGUNAKAN METODE EXTREME LEARNING
MACHINE
Kategori
: SKRIPSI
Nama
: AULIYA DOLI RIZKI S
Nomor Induk Mahasiswa
: 121402081
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Ulfi Andayani, S.Kom., M.Kom
Dr. Erna Budhiarti Nababan, M.IT
NIP. 19860419 201504 2 004
NIP. 19621026 201704 2 001
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.
NIP. 19860303 201012 1 004
Universitas Sumatera Utara
iv
PERNYATAAN
KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME
LEARNING MACHINE
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 17 Juli 2017
AULIYA DOLI RIZKI S
121402081
Universitas Sumatera Utara
v
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT, karena berkat rahmat dan
izin-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk
memperoleh gelar Sarjana Komputer, pada Program Studi S1 Teknologi Informasi
Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pertama, penulis ingin mengucapkan terima kasih sebesarnya kepada, keluarga
tercinta yaitu kedua orang tua Darma Halim Siregar S.E., M.Kes. dan Hartini Koto.
Penulis juga mengucapkan terima kasih kepada kedua Kakak penulis dr. Fitri Nur
Malini Siregar dan drg. Ade Maya Sari Siregar, Yang Selalu memberikan kasih
sayang, saran, motivasi dan doa tiada henti kepada penulis.
Kedua, penulis juga mengucapkan terima kasih kepada Ibu Dr. Erna Budhiarti
Nababan, M.IT selaku Dosen Pembimbing I dan Ibu Ulfi Andayani, S.Kom., M.Kom
selaku Dosen Pembimbing II serta yang telah meluangkan waktunya untuk
membimbing penulis sehingga dapat menyelesaikan skripsi ini. Penulis juga
mengucapkan terima kasih kepada Bapak Dani Gunawan, S.T., M.T sebagai dosen
pembanding pertama dan Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.sebagai dosen
pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat
dalam penulisan skripsi ini. Penulis ucapkan terima kasih kepada Ketua dan Sekretaris
Program Studi S1 Teknologi Informasi, Dekan dan Wakil Dekan FASILKOM-TI, dan
seluruh dosen serta staff pegawai di lingkungan Program Studi S1 Teknologi
Informasi, yang telah membantu dan membimbing penulis selama masa perkuliahan.
Ketiga, terima kasih penulis ucapkan kepada para sahabat yang selalu hadir
memberikan dukungan dan semangat, Novira Indryani G, Clara Srimenda B, M.
Noufal Aziz, M. Bagus Hesananta, M. Andrizal S, Rizki Yuda Pratama, Ikram H
Simatupang dan Agung Hernowo, Brotherhood. Seluruh teman-teman angkatan 2012,
junior dan senior Teknologi Informasi. Semoga Tuhan Yang Maha Esa selalu
memberi berkat yang melimpah kepada sahabat tercinta. Penulis menyadari bahwa
skripsi ini masih terdapat kekurangan. Oleh sebab itu, penulis mengharapkan kritik
dan saran yang bersifat membangun. Akhir kata penulis ucapkan terima kasih.
Universitas Sumatera Utara
vi
ABSTRAK
Pendarahan otak merupakan suatu kondisi dimana terdapat darah di jaringan otak baik
itu di dalam otak maupun area sekitar otak yang dapat mengakibatkan hilang
kesadaran dan kematian. Hal-hal yang dapat mengakibatkan terjadinya pendarahan
otak, yaitu: Hipertensi, Stroke, Cedera kepala, Tumor pada otak dan lain-lain. Gejala
yang timbul ketika menderita pendarahan otak, beberapa diantaranya sakit kepala
yang parah, terganggunya penglihatan dan menagalami kelumpuhan dibagian tubuh .
Pemeriksaan umum yang dilakukan jika mengalami pendarahan otak dengan
menggunakan Computerized Tomography (CT) Scan. Citra yang dihasilkan oleh CT
Scan diperiksa secara manual oleh dokter dengan menggunakan kasat mata. sehingga
diperlukan metode untuk mengidentifikasi pendarahan otak melalui citra CT Scan
otak secara otomatis. Metode yang digunakan dalam penelitian ini yaitu Extreme
Learning Machine. Citra CT Scan otak digunakan sebagai masukan untuk proses
pengolahan citra. Tahapan citra sebelum diidentifikasi yaitu proses pra pengolahan
citra dan Thresholding. Setelah dilakukan pengujian pada penelitian ini, didapatkan
kesimpulan
bahwa
metode
yang
diajukan
memiliki
kemampuan
dalam
mengidentifikasi pendarahan otak yang sangat baik dengan akurasi sebesar 92%.
Kata kunci : Pengolahan Citra, Pendarahan Otak, Kecerdasan Buatan, Extreme
Learning Machine
Universitas Sumatera Utara
vii
CLASSIFICATION OF BRAIN HEMORRHAGE USING
EXTREME LEARNING MACHINE METHOD
ABSTRACT
Brain hemorrhage is one of the condition where there’s blood in the brain tissue not
only inside but also in the area around the brain, which can cause lost of
consciousness and even death. Several things that could cause brain hemorrhage are :
hypertension, stroke, head injury, brain tumor and etc. There are some symptoms of
brain hemorrhage such as massive headache, disrupted vision, and paralyzed body.
The general examination to detect brain hemorrhage is by using Computerized
Tomography (CT) Scan. The image produced from CT scan will be manually checked
by a doctor. A method is needed to identify brain hemorrhage image from CT scan
automatically. The method proposed in this research is Extreme Learning Machine.
CT scan image of the brain is used as the input for the method for image processing.
The procedure before identification is pre-processing of the image and threshold.
After calibration was done, it can be concluded that the proposed method used in this
research have the capability to identify brain hemorrhage very well with an accuracy
of 92%.
Keywords: Image Processing, Brain Hemorrhage, Artificial Intelligence, Extreme
Learning Machine
Universitas Sumatera Utara
viii
DAFTAR ISI
PERSETUJUAN
iii
PERNYATAAN
iv
UCAPAN TERIMA KASIH
v
ABSTRAK
vi
ABSTRACT
vii
DAFTAR ISI
viii
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
BAB 1 PENDAHULUAN
1
1.1.
Latar Belakang
1
1.2.
Rumusan Masalah
2
1.3.
Tujuan Penelitian
3
1.4.
Batasan Masalah
3
1.5.
Manfaat Penelitian
3
1.6.
Metodologi Penelitian
3
1.7.
Sistematika Penulisan
4
BAB 2 LANDASAN TEORI
6
2.1.
Pendarahan otak
6
2.2.
Citra Digital
9
2.3.
Grayscale
10
2.4.
Scaling
11
2.5.
Binerisasi
11
2.6.
Extreme Learning Machine
12
2.7.
Penelitian Terdahulu
15
BAB 3 ANALISIS DAN PERANCAGAN SISTEM
18
3.1.
Arsitektur Umum
18
3.2.
Training dataset
19
Universitas Sumatera Utara
ix
3.3.
Preprocessing
20
3.3.1.Grayscale
20
3.3.2.Scaling
20
3.4.
Thresholding
21
3.5.
Binerisasi
22
3.6.
Klasifikasi
23
3.7.
Perancangan Sistem
27
3.7.1.Tampilan Sistem Pendarahan Otak
27
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1.
29
Kebutuhan Sistem
29
4.1.1.Perangkat Keras dan Perangkat Lunak
29
4.1.2.Implementasi Perancangan Antarmuka
29
4.1.3.Implementasi Data
30
4.2.
Prosedur Operasional
33
4.3.
Hasil Processing Sistem
37
4.4.
Pengujian Sistem
38
BAB 5 KESIMPULAN DAN SARAN
43
5.1.
Kesimpulan
43
5.2.
Saran
44
DAFTAR PUSTAKA
45
Universitas Sumatera Utara
x
DAFTAR TABEL
Tabel 2.1. Penelitian Terdahulu
16
Tabel 3.1. Keterangan Arsitektur ELM
24
Tabel 4.1. Hasil Processing
37
Tabel 4.2. Data Hasil Pengujian
39
Universitas Sumatera Utara
DAFTAR GAMBAR
Gambar 2.1. Otak normal
6
Gambar 2.2. Pendarahan Otak Epidural
7
Gambar 2.3. Pendarahan Otak Subdural
8
Gambar 2.4. Pendarahan Otak Subarachnoid
8
Gambar 2.5. Pendarahan Otak Intrcerebral
9
Gambar 2.6. Citra Digital
10
Gambar 2.7. Arsitektur Extreme Learning Machine
13
Gambar 3.1. Arsitektur Umum
19
Gambar 3.2. Citra Grayscale
20
Gambar 3.3. Citra Scaling
21
Gambar 3.4. Citra Thresholding
21
Gambar 3.5. Citra Binerisasi
22
Gambar 3.6. Arstitektur ELM untuk klasifikasi pendarahan otak
23
Gambar 3.7. Proses Pengujian ELM
26
Gambar 3.8. Perancangan Sistem
28
Gambar 4.1. Tampilan Sistem
30
Gambar 4.2. Pendarahan Otak Epidural
31
Gambar 4.3. Pendarahan Otak Subdural
31
Gambar 4.4. Pendarahan Otak Intracerebral
32
Gambar 4.5. Pendarahan Otak Subarachnoid
32
Gambar 4.6. Otak Normal
33
Gambar 4.7. Tampilan Utama Sistem
33
Gambar 4.8. Tampilan Upload Citra
34
Gambar 4.9. Tampilan Waktu proses
35
Gambar 4.10. Tampilan Uji Citra
35
Gambar 4.11. Tampilan Pengolahan Citra
36
Gambar 4.12. Tampilan Output Sistem
37
Gambar 4.13. Grafik Hasil Pengujian
39
Universitas Sumatera Utara
EXTREME LEARNING MACHINE
SKRIPSI
AULIYA DOLI RIZKI S
121402081
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME
LEARNING MACHINE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana
Teknologi Informasi
AULIYA DOLI RIZKI S
121402081
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
iii
PERSETUJUAN
Judul
: KLASIFIKASI
PENDARAHAN
OTAK
MENGGUNAKAN METODE EXTREME LEARNING
MACHINE
Kategori
: SKRIPSI
Nama
: AULIYA DOLI RIZKI S
Nomor Induk Mahasiswa
: 121402081
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Ulfi Andayani, S.Kom., M.Kom
Dr. Erna Budhiarti Nababan, M.IT
NIP. 19860419 201504 2 004
NIP. 19621026 201704 2 001
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.
NIP. 19860303 201012 1 004
Universitas Sumatera Utara
iv
PERNYATAAN
KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME
LEARNING MACHINE
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 17 Juli 2017
AULIYA DOLI RIZKI S
121402081
Universitas Sumatera Utara
v
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT, karena berkat rahmat dan
izin-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk
memperoleh gelar Sarjana Komputer, pada Program Studi S1 Teknologi Informasi
Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pertama, penulis ingin mengucapkan terima kasih sebesarnya kepada, keluarga
tercinta yaitu kedua orang tua Darma Halim Siregar S.E., M.Kes. dan Hartini Koto.
Penulis juga mengucapkan terima kasih kepada kedua Kakak penulis dr. Fitri Nur
Malini Siregar dan drg. Ade Maya Sari Siregar, Yang Selalu memberikan kasih
sayang, saran, motivasi dan doa tiada henti kepada penulis.
Kedua, penulis juga mengucapkan terima kasih kepada Ibu Dr. Erna Budhiarti
Nababan, M.IT selaku Dosen Pembimbing I dan Ibu Ulfi Andayani, S.Kom., M.Kom
selaku Dosen Pembimbing II serta yang telah meluangkan waktunya untuk
membimbing penulis sehingga dapat menyelesaikan skripsi ini. Penulis juga
mengucapkan terima kasih kepada Bapak Dani Gunawan, S.T., M.T sebagai dosen
pembanding pertama dan Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.sebagai dosen
pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat
dalam penulisan skripsi ini. Penulis ucapkan terima kasih kepada Ketua dan Sekretaris
Program Studi S1 Teknologi Informasi, Dekan dan Wakil Dekan FASILKOM-TI, dan
seluruh dosen serta staff pegawai di lingkungan Program Studi S1 Teknologi
Informasi, yang telah membantu dan membimbing penulis selama masa perkuliahan.
Ketiga, terima kasih penulis ucapkan kepada para sahabat yang selalu hadir
memberikan dukungan dan semangat, Novira Indryani G, Clara Srimenda B, M.
Noufal Aziz, M. Bagus Hesananta, M. Andrizal S, Rizki Yuda Pratama, Ikram H
Simatupang dan Agung Hernowo, Brotherhood. Seluruh teman-teman angkatan 2012,
junior dan senior Teknologi Informasi. Semoga Tuhan Yang Maha Esa selalu
memberi berkat yang melimpah kepada sahabat tercinta. Penulis menyadari bahwa
skripsi ini masih terdapat kekurangan. Oleh sebab itu, penulis mengharapkan kritik
dan saran yang bersifat membangun. Akhir kata penulis ucapkan terima kasih.
Universitas Sumatera Utara
vi
ABSTRAK
Pendarahan otak merupakan suatu kondisi dimana terdapat darah di jaringan otak baik
itu di dalam otak maupun area sekitar otak yang dapat mengakibatkan hilang
kesadaran dan kematian. Hal-hal yang dapat mengakibatkan terjadinya pendarahan
otak, yaitu: Hipertensi, Stroke, Cedera kepala, Tumor pada otak dan lain-lain. Gejala
yang timbul ketika menderita pendarahan otak, beberapa diantaranya sakit kepala
yang parah, terganggunya penglihatan dan menagalami kelumpuhan dibagian tubuh .
Pemeriksaan umum yang dilakukan jika mengalami pendarahan otak dengan
menggunakan Computerized Tomography (CT) Scan. Citra yang dihasilkan oleh CT
Scan diperiksa secara manual oleh dokter dengan menggunakan kasat mata. sehingga
diperlukan metode untuk mengidentifikasi pendarahan otak melalui citra CT Scan
otak secara otomatis. Metode yang digunakan dalam penelitian ini yaitu Extreme
Learning Machine. Citra CT Scan otak digunakan sebagai masukan untuk proses
pengolahan citra. Tahapan citra sebelum diidentifikasi yaitu proses pra pengolahan
citra dan Thresholding. Setelah dilakukan pengujian pada penelitian ini, didapatkan
kesimpulan
bahwa
metode
yang
diajukan
memiliki
kemampuan
dalam
mengidentifikasi pendarahan otak yang sangat baik dengan akurasi sebesar 92%.
Kata kunci : Pengolahan Citra, Pendarahan Otak, Kecerdasan Buatan, Extreme
Learning Machine
Universitas Sumatera Utara
vii
CLASSIFICATION OF BRAIN HEMORRHAGE USING
EXTREME LEARNING MACHINE METHOD
ABSTRACT
Brain hemorrhage is one of the condition where there’s blood in the brain tissue not
only inside but also in the area around the brain, which can cause lost of
consciousness and even death. Several things that could cause brain hemorrhage are :
hypertension, stroke, head injury, brain tumor and etc. There are some symptoms of
brain hemorrhage such as massive headache, disrupted vision, and paralyzed body.
The general examination to detect brain hemorrhage is by using Computerized
Tomography (CT) Scan. The image produced from CT scan will be manually checked
by a doctor. A method is needed to identify brain hemorrhage image from CT scan
automatically. The method proposed in this research is Extreme Learning Machine.
CT scan image of the brain is used as the input for the method for image processing.
The procedure before identification is pre-processing of the image and threshold.
After calibration was done, it can be concluded that the proposed method used in this
research have the capability to identify brain hemorrhage very well with an accuracy
of 92%.
Keywords: Image Processing, Brain Hemorrhage, Artificial Intelligence, Extreme
Learning Machine
Universitas Sumatera Utara
viii
DAFTAR ISI
PERSETUJUAN
iii
PERNYATAAN
iv
UCAPAN TERIMA KASIH
v
ABSTRAK
vi
ABSTRACT
vii
DAFTAR ISI
viii
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
BAB 1 PENDAHULUAN
1
1.1.
Latar Belakang
1
1.2.
Rumusan Masalah
2
1.3.
Tujuan Penelitian
3
1.4.
Batasan Masalah
3
1.5.
Manfaat Penelitian
3
1.6.
Metodologi Penelitian
3
1.7.
Sistematika Penulisan
4
BAB 2 LANDASAN TEORI
6
2.1.
Pendarahan otak
6
2.2.
Citra Digital
9
2.3.
Grayscale
10
2.4.
Scaling
11
2.5.
Binerisasi
11
2.6.
Extreme Learning Machine
12
2.7.
Penelitian Terdahulu
15
BAB 3 ANALISIS DAN PERANCAGAN SISTEM
18
3.1.
Arsitektur Umum
18
3.2.
Training dataset
19
Universitas Sumatera Utara
ix
3.3.
Preprocessing
20
3.3.1.Grayscale
20
3.3.2.Scaling
20
3.4.
Thresholding
21
3.5.
Binerisasi
22
3.6.
Klasifikasi
23
3.7.
Perancangan Sistem
27
3.7.1.Tampilan Sistem Pendarahan Otak
27
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1.
29
Kebutuhan Sistem
29
4.1.1.Perangkat Keras dan Perangkat Lunak
29
4.1.2.Implementasi Perancangan Antarmuka
29
4.1.3.Implementasi Data
30
4.2.
Prosedur Operasional
33
4.3.
Hasil Processing Sistem
37
4.4.
Pengujian Sistem
38
BAB 5 KESIMPULAN DAN SARAN
43
5.1.
Kesimpulan
43
5.2.
Saran
44
DAFTAR PUSTAKA
45
Universitas Sumatera Utara
x
DAFTAR TABEL
Tabel 2.1. Penelitian Terdahulu
16
Tabel 3.1. Keterangan Arsitektur ELM
24
Tabel 4.1. Hasil Processing
37
Tabel 4.2. Data Hasil Pengujian
39
Universitas Sumatera Utara
DAFTAR GAMBAR
Gambar 2.1. Otak normal
6
Gambar 2.2. Pendarahan Otak Epidural
7
Gambar 2.3. Pendarahan Otak Subdural
8
Gambar 2.4. Pendarahan Otak Subarachnoid
8
Gambar 2.5. Pendarahan Otak Intrcerebral
9
Gambar 2.6. Citra Digital
10
Gambar 2.7. Arsitektur Extreme Learning Machine
13
Gambar 3.1. Arsitektur Umum
19
Gambar 3.2. Citra Grayscale
20
Gambar 3.3. Citra Scaling
21
Gambar 3.4. Citra Thresholding
21
Gambar 3.5. Citra Binerisasi
22
Gambar 3.6. Arstitektur ELM untuk klasifikasi pendarahan otak
23
Gambar 3.7. Proses Pengujian ELM
26
Gambar 3.8. Perancangan Sistem
28
Gambar 4.1. Tampilan Sistem
30
Gambar 4.2. Pendarahan Otak Epidural
31
Gambar 4.3. Pendarahan Otak Subdural
31
Gambar 4.4. Pendarahan Otak Intracerebral
32
Gambar 4.5. Pendarahan Otak Subarachnoid
32
Gambar 4.6. Otak Normal
33
Gambar 4.7. Tampilan Utama Sistem
33
Gambar 4.8. Tampilan Upload Citra
34
Gambar 4.9. Tampilan Waktu proses
35
Gambar 4.10. Tampilan Uji Citra
35
Gambar 4.11. Tampilan Pengolahan Citra
36
Gambar 4.12. Tampilan Output Sistem
37
Gambar 4.13. Grafik Hasil Pengujian
39
Universitas Sumatera Utara