Image Enhancement Local binary pattern

Fitur histogram memberi informasi tekstur sebuah citra. Ciri tekstur sel serviks menentukan sifat permukaaan sel nukleus dan sitoplasma secara keseluruhan. Fitur ini mampu membedakan kasarhalus permukaan objek dalam citra sel serviks. Beberapa fitur histogram yang digunakan yaitu mean, standart deviasi, smoothness, momen dan entropi. Gambar 3. Plot Fitur Mean Fitur mean menyatakan sebaran intensitas sebuah citra. Pada grafik fitur mean sel serviks Gb.3 tampak range nilai mean sel normal berada pada range nilai mean sel abnormal. Range nilai mean sel abnormal yaitu berkisar dari 87 sampai 200 sedangkan sel normal berkisar dari 107 sampai 198. Nilai mean sel serviks abnormal memiliki range yang cukup lebar dibandingkan dengan nilai mean sel serviks normal. Gambar 4. Plot Fitur Standar Deviasi Nilai standar deviasi memberi informasi tentang kontras citra yaitu sebaran terang lightness dan gelap darkness citra sel servik. Pada gambar 4 tampak range nilai standar deviasi sel abnormal berkisar dari 18 sampai 67 dan sel normal berkisar dari 18 sampai 69. Tidak ada perbedaan signifikan pada range nilai standar deviasi antara sel abnormal dan sel normal. Tampak pula bahwa citra sel normal columnar memiliki kontras cukup tinggi dibandingkan sel normal jenis lain. Dan sebaran nilai kontras citra normal columnar memiliki kemiripan dengan nilai kontras citra abnormal severe dysplastic. Nilai smoothness menggambarkan kelembutankekasaran permukaan objek nukleussitoplasma dalam citra sel serviks. Pada gambar 5 terlihat range nilai smoothness sel abnormal berkisar dari 0,005 sampai 0,065 sedangkan sel normal berkisar dari 0,005 sampai 0,068. Range nilai smoothness sel abnormal maupun sel normal hampir sama. Nilai smooothnes sel abnormal severe dysplastic dan sel normal columnar cukup tinggi. Hal ini menunjukkan bahwa nilai intensitas kedua sel tersebut cukup konstan. Secara visual tampak terdapat kemiripan intensitas yang konstan antara backgroud, sitoplasma maupun nukleus. Gambar 5. Plot Fitur Smoothness Gambar 6. Plot Fitur Momen Range nilai momen sel abnormal berkisar dari - 2,01 sampai 2,66 sedangkan sel normal berkisar dari - 2,05 sampai 1,99. Tampak bahwa range nilai momen sel abnormal lebih lebar dibandingkan range nilai momen sel normal. Dari Gambar 6, tampak pula bahwa nilai momen sel normal pada umumnya lebih rendah dibandingkan sel abnormal. Dan pada grafik tersebut tampak nilai momen pada beberapa data sel normal columnar cukup tinggi. Gambar 7. Plot Fitur Skewness Nilai skewness menyatakan ukuran kecondongan histogram citra Gb. 7. Range nilai skewness sel abnormal berkisar dari 0,004 sampai 0,098 sedangkan sel normal berkisar dari 0,005 sampai 0,033. Range nilai skewness sel abnormal cukup lebar dibandingkan dengan range nilai skewness sel normal. Nilai skewness yang cukup tinggi pada sel abnormal yaitu superficiel dysplastic sedangkan pada sel normal yaitu normal columnar. ISSN :2407-2281 F 96 Gambar 8. Plot Fitur Entropi Nilai entropi memberi informasi keteracakankeseragaman intesitas citra sel servik. Pada gambar 8. tampak range nilai entropi sel abnormal berkisar dari 6,16 sampai 7,81 sedangkan sel normal berkisar dari 6,18 sampai 7,69. Terlihat nilai entropi tidak ada perbedaan yang signifikan antara sel abnormal dan sel normal. Hal ini berarti intensitas citra sel abnormal dan sel normal cenderung seragam. Fitur FFT diperoleh dengan menentukan mean dari magnitudo koefisien FFT 2 dimensi pada setiap region citra sel serviks hasil ekualisasi histogram. Ekstraksi fitur FFT dilakukan terhadap seluruh set data yaitu 917 citra yang terdiri dari 675 data sel abnormal dan 242 data sel normal. Hasil deteksi outlier, menunjukkan data outlier pada fitur histogram didominasi oleh citra sel abnormal yaitu sebanyak 16 data. Sedangkan data outlier pada fitur FFT didominasi oleh citra sel serviks normal superficiel. Hal ini karena terdapat beberapa data citra sel normal superficiel yang memiliki lebih dari satu sel. Pengujian dilakukan pada set data sel serviks hasil ORC pada setiap fitur yaitu fitur histogram, fitur FFT level 1, fitur FFT level 2, fitur FFT level 3 dan fitur FFT level 4. Data uji yang digunakan untuk fitur histogram yaitu 267 data. Sedangkan data uji untuk fitur FFT yaitu 271 data. Dari hasil pengujian terhadap fitur fistogram, FFT level 1, FFt level 2, FFT level 3 dan FFT level 4, menunjukkan bahwa fitur histogram memberi hasil yang kurang baik dengan total output benar yaitu 197 data dan total ouput salah yaitu 70 data. Pada fitur FFT level 1 memberi hasil lebih baik dengan total ouput benar yaitu 231 data dan total output salah yaitu 40 data. Pada fitur FFT level 2 memberi hasil lebih baik dibandingkan fitur FFT level 1 dengan total output benar yaitu 233 data dan total output salah 38 data. Pada fitur FFT level 3 memberi hasil yang paling baik dibandingkan dengan fitur yang lain dengan total output benar yaitu 236 data dan total output salah 35 data. Sedangkan fitur FFT level 4 menghasilkan total output benar yaitu 233 data dan total output salah yaitu 38 data. Unjuk kerja FKNN untuk setiap fitur dinyatakan dalam tabel akurasi dan laju error pada Tabel 1. Tampak bahwa secara umum fitur FFT lebih baik dibandingkan fitur histogram untuk mendukung FKNN dalam mengklasifikasi citra papsmear. Tingkat akurasi FKNN tertinggi diperoleh pada fitur FFT level 3. Tabel 1. Unjuk Kerja FK-NN pada Setiap Fitur Jenis Fitur Akurasi Laju Error Histogram 73,78 0,2622 FFT Level 1 85,24 0,1476 FFT Level 2 85,98 0,1402 FFT Level 3 87,08 0,1292; FFT Level 4 85,98 0,1402 KESIMPULAN 1. Fitur histogram yaitu mean, standart deviasi, momen dan smoothness mendukung kinerja FKNN dengan tingkat akurasi sebesar 73,78 dengan laju error 0,2622. 2. Fitur FFT level 3 mampu memberikan hasil yang optimal pada kinerja FKNN. 3. Tingkat akurasi tertinggi algoritma FKNN sebesar 87,08 dengan laju error 0,1292. DAFTAR PUSTAKA Agustina, Silvia, 2008, Analysis of Pap Smear Image Using Computer Software, Fakultas Life Science, Program Studi Biomedical Engineering, Swiss Germany University SGU. Ahmad, Usman, 2005, Pengolahan Citra Digital Teknik Pemrogramannya, Penerbit Graha Ilmu, Yogyakarta. American Cancer Society, 2007, Detailed Guide: Cervical Cancer, http:www.cancer.orgdocrootCRIcontent. html, 20 Mei 2012. Centers for Disease Control and Prevention, 2006, Genital HPV Infection – CDC Fact Sheet, http:www.cdc.govSTDHPVSTDFact- HPV.html, 20 Mei 2012. Gonzalez, R.C.,Woods, Richard E., 2002, Digital Image Processing, Pearson Education, Inc., New Jersey. Hoda, Rana S., Hoda, Syed. A., 2007, Fundamental of Pap Test Cytology,Humana Press, Totowa, New Jersey. Jan, J., 2006, Medical Image Processing, Reconstruction, and Restoration: Concepts and Methods, Taylor Francis Group, Boca Raton, FL. Jordan, Joseph A., Singer, A., 2006, The Cervix, Blackwell Publishing, Inc., United States. Karp, Gerald C., 2005, Cell and Molecular Biology: Concepts and Experiments, 4th ed, John Wiley and Sons, Asia. Kumar, V., Abbas, A.K., Fausto, N., Mitchell, R.N., 2007, Robbins Basic Pathology, Saunders Elsevier. Kusumadewi, Sri, 2004, Membangun Jaringan Syaraf Tiruan Menggunakan MATLAB dan EXCEL LINK, Penerbit Graha Ilmu, Yogyakarta. Mahanta, L.B., Nath D.C., Nath C.K., 2012, Cervix Cancer Diagnosis from Pap Smear Images Using Structure Based Segmentation and Shape Analysis, ISSN :2407-2281 F 97