PENGOLAHAN CITRA FUNDUS DIABETIK RETINOPATI EDISI 1

PENGOLAHAN CITRA FUNDUS DIABETIK RETINOPATI

EDISI 1

Tim Penyusun

Diana Tri Susetianingtias

PENERBIT GUNADARMA

Sarifuddin Madenda

Rodiah Fitrianingsih

PENGOLAHAN CITRA FUNDUS

DIABETIK RETINOPATI

EDISI 1

Tim Penyusun

Diana Tri Susetianigtias Sarifuddin Madenda Rodiah Fitrianingsih

PENERBIT GUNADARMA 2017

Judul buku : Pengolahan Citra Fundus Diabetik Retinopati

Edisi 1

Oleh

: Tim Penelitian

Gambar Sampul

: Rodiah

Design dan Layout

: Rodiah

Diterbitkan pertama kali oleh

: Penerbit Gunadarma

Hak cipta dilindungi oleh undang-undang Jakarta 2017 ISBN :

ii

KATA PENGANTAR

Bismillaahirrahmaanirrahiim. Assalamu’alaikum Warrahmatullaahi Wabarokaatuh

Alhamdulillahi Rabbil’aalamiin, segala puji bagi Allah SWT, Tuhan semesta alam, atas berkat rahmat, karunia, bimbingan, pertolongan, petunjuk, ilmu, dan pertolongan-NYA, Penulis dapat menyelesaikan penyusunan Buku ini dengan sebaik-baiknya. Shalawat dan salam kepada Nabi Muhammad SAW beserta keluarga, sahabat dan para pengikutnya sampai akhir zaman.

Sepanjang proses penyusunan buku ini, banyak pihak yang telah turut berkontribusi, baik secara moril maupun materiil. Tanpa bantuan mereka, dalam penyelesaian buku ini, Penulis tidak akan dapat menyelesaikannya dengan baik. Untuk itu, dengan kerendahan hati, perkenankan penulis mengucapkan terima kasih kepada semua Pihak antara lain : DP2M RistekDikti, Lembaga Penelitian Universitas Gunadarma dan seluruh pihak yang tidak dapat penulis sebutkan satu per satu yang telah turut memberikan bantuan dan peran serta dalam penyelesaian buku ini.

Semoga Allah SWT membalas semua keikhlasan, perhatian dan bantuan yang Bapak, Ibu, dan Rekan berikan kepada penulis karena hanya DIA-lah yang mampu dan kuasa membalasnya.

iii Kata Pengantar

Kritik dan saran dari pembaca sangat penulis harapkan untuk perbaikan pada masa yang akan datang. Kesempurnaan hanya milik Allah SWT semata, sedangkan kekurangan serta kekhilafan ada pada diri Penulis.

Wassalamu’alaikum warrahmatullaahi Wa barakaatuh Jakarta, September 2017

Tim Penulis

Kata Pengantar | iv

DAFTAR ISI

Halaman

KATA PENGANTAR

iii

DAFTAR ISI

BAB 1 PENDAHULUAN

1.1. Pengolahan Citra

1.2. Operasi Pengolahan Citra

1.3. Ruang Warna

1.4. Pengenalan Citra Medis 3

1.5. Diabetik Retinopati 4

BAB 2 PENGOLAHAN CITRA

2.1. Citra Digital

2.2. Thresholding

2.3. Jarak Eucledian

2.4. Morfologi Citra

2.6. Transformasi Top Hat

2.7. Transformasi Bottom Hat

2.8. Ekstraksi Fitur Bentuk

2.9. Matriks Hesian

2.10. Vektor Nilai Eigen

2.11. Klasifikasi Citra Digital

2.12. Deteksi Tepi pada Citra

BAB 3

RUANG WARNA

3.1. Ruang Warna RGB

22 3.3.Ruang Warna HSV

3.2. Ruang Warna HSL

v Daftar Isi

3.4.Ruang Warna HSI

3.5. Ruang Warna CMY/ CMYK

3.6. Ruang Warna YUV

3.7. Ruang Warna Luminance In-phase Quadrature (YIQ)

3.8. Ruang Warna YCbCr

3.9. Ruang Warna CIELAB

BAB 4

CITRA MEDIS

4.1. Magnetic Resonance Imaging (MRI)

4.2. X-Ray

31 4.3.1.Peralatan Yang digunakan dalam USG

4.3. Ultrasonography (USG)

32 4.3.2.Manfaat Alat USG

34 4.3.3.Jenis-jenis USG

4.1.1. Pemeriksaan opthamoloscope

4.1.2. Cara Pemeriksaan opthamoloscope

4.6. Computed Tomography (CT-Scan)

4.7. Nuclear Medicine

BAB 5

ANATOMI MATA DAN RETINA

5.1. Anatomi Mata

5.3. Anatomi Retina

5.4. Pembuluh Darah Retina

BAB 6 DIABETIK RETINOPATI

6.1. Klasifikasi Diabetik Retinopati

6.2. Gejala Diabetik Retinopati

6.3. Karakteristik Diabetik Retinopati

Daftar Isi | vi

6.4. Kudran dalam Diabetik Retinopati

BAB 7 MICROANEURSYM

7.2. Segmentasi Kandidat Microaneursym

7.2.1. Pendekatan Berbasis Maximally Stable External

Region (MSER)

7.2.2. Hasil Segmentasi Kandidat Microaneursym dengan

75 Pendekatan Berbasis Maximally Stable External Region (MSER)

BAB 8 EXUDATES

8.2. Preprocessing Algoritma Warna Referensi

8.3. Segmentasi Exudates dengan Warna Referensi

8.4. . Hasil Segmentasi Exudates dengan Warna Referensi

DAFTAR PUSTAKA

vii Daftar Isi

BAB 1 PENDAHULUAN

1.1. Pengolahan Citra

Pengolahan Citra merupakan proses memperbaiki kualitas citra agar mudah diinterpretasikan oleh manusia atau komputer yang merupakan proses awal dari Komputer visi. Citra/ Gambar adalah informasi yang berbentuk visual. Citra merupakan fungsi intensitas 2 dimensi yaitu f(x,y), dimana x dan y adalah koordinat spasial dan f pada titik (x, y) adalah tingkat kecerahan (brightness) citra pada suatu titik. Citra f(x,y) yang telah dilakukan digitalisasi (secara koordinat area atau tingkat kecerahan) maka nilai f di koordinat (x, y) menunjukan tingkat kecerahan (grayness) level dari citra pada titik tersebut dinamakan citra digital (Gonzalez and Woods, 2008). Citra digital dapat didefinisikan sebagai representasi dari sebuah citra/ gambar dua dimensi sebagai sebuah kumpulan nilai digital (elemen gambar atau piksel).

Bagian terkecil yang menyusun citra dan mengandung nilai yang mewakili kecerahan dari sebuah warna pada titik tertentu dinamakan dengan piksel. Biasanya bentuk citra digital adalah persegi panjang atau bujur sangkar yang memiliki lebar dan tinggi tertentu sehingga ukuran citranya selalu bernilai bulat. Setiap piksel memiliki koordinat sesuai posisinya dalam citra yang dinyatakan dalam bilangan bulat positif, dimulai dari niai 0 atau nilai 1 tergantung pada sistem yang digunakan. Setiap piksel juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh piksel tersebut (Gonzalez and Woods, 2008).

1.2. Operasi Pengolahan Citra

Pada Pengolahan Citra terdapat beberapa operasi diantaranya adalah: (a). Perbaikan kualitas citra (image enhacement) yaitu memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra. Operasi perbaikan citra terdiri dari: perbaikan kontras gelap /terang dan tepian objek (edge enhancement), penajaman (sharpening), pemberian warna semu (pseudocoloring), dan

Bab 1: Pendahuluan 1

menghilangkan cacat pada citra. Operasi Pemugaran citra yang dimaksud adalah dengan menghilangan kesamaran (deblurring) dan menghilangan derau (noise). (c). Pemampatan citra (image compression) yaitu: citra direpresentasikan dalam bentuk lebih kompak, sehingga keperluan memori lebih sedikit dan tetap mempertahankan kualitas gambar (contoh dari file citra dengan ektension .BMP menjadi file citra dengan ekstension .JPG). (d). Segmentasi citra (image segmentation) dilakukan dengan tujuan agar dapat memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. (e). Pengorakan citra (image analysis) yaitu menghitung besaran kuantitatif dari suatu citra agar menghasilkan deskripsinya. Hal ini sangat diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Beberapa operasi image analysis adalah pendeteksian tepi objek (edge detection), ekstraksi batas (boundary) dan represenasi daerah (region). (f). Rekonstruksi citra (Image recontruction) yaitu membentuk ulang objek dari beberapa citra hasil proyeksi (Munir, 2004). Beberapa aplikasi pengolahan Citra yang dapat dilakukan dalam beberapa bidang diantaranya adalah:

1. Bidang perdagangan. Salah satu contohnya adalah dengan pembacaan bar code pada barang di supermarket dan pengenalan huruf/angka pada formulir secara otomatis.

2. Bidang Militer. Contoh: dengan mengenali peluru kendali melalui sensor visual, dan mengidentifikasi jenis pesawat musuh.

3. Bidang Kedokteran. Contoh: Deteksi kanker dengan sinar X, Rekonstruksi foto janin hasil USG dan pemeriksaan mata yang mengunakan kamera fundus

4. Bidang Biologi. Contoh: Pengenalan kromosom melalui gambar mikroskopik.

5. Komunikasi Data. Contoh: Pemampatan citra transmisi.

6. Hiburan. Contoh: Pemampatan video MPEG.

7. Robotika. Contoh: Visual guided autonomous navigation.

8. Pemetaan. Contoh: Klasifikasi penggunaan tanah melalui foto udara.

2 Bab : 1 Pendahuluan

9. Bidang Geologi. Contoh: Mengenali jenis bebatuan melalui foto udara.

10. Bidang Hukum. Contoh: Pengenalan sidik jari, pengenalan foto narapidana dengan face recognition dan pengenalan tanda tangan.

1.3. Ruang Warna

Gelombang cahaya yang nampak tertangkap oleh sel-sel cone dan rod dalam retina mata diteruskan ke syaraf visual otak dan membangkitkan berbagai sensasi warna. Tujuan dikembangkannya ruang warna adalah untuk memodelkan, menghitung dan memvisualisasikan untuk mendapatkan informasi warna sehingga dapat memudahkan komputer atau sistem digital lainnya memproses informasi warna dan membedakan warna seperti halnya sistem visual manusia (Madenda, 2015). Ruang warna terdiri dari beberapa model, diantaranya adalah Sistem Warna Munsell, Ruang warna RGB, Ruang warna HSL, Ruang Warna HSV,

Ruang Warna L*a*b* dan L*C*H*, Ruang WarnaYUV, YC b C r dan YP b P r (Madenda, 2015).

1.4. Pengenalan Citra Medis

Citra medis (medical image) merupakan teknik dan proses yang digunakan untuk dapat membuat gambar dari tubuh manusia (atau bagian-bagian dan fungsi daripadanya) dengan tujuan klinis seperti prosedur medis untuk mengungkapkan, mendiagnosis atau memeriksa penyakit atau ilmu kedokteran. Ada 5 (Lima) faktor penentu dalam jaminan mutu citra radiografi sehingga mutu cira dan penampakan struktur anatomi bagian dalam dapat terlihat dengan jelas. Ke lima faktor tersebut adalah sensitivitas kontras (contrast sensitivity), kekaburan (blurring), derau visual, artefak, spatial/geometric characteristic. Pada proses pengolahan citra medis tahapan algoritma terdiri atas 8 bagian yaitu perbaikan, segmentasi, kuantifikasi, registrasi, visualisasi dan bagian akhir yang mencakup kompresi, penyimpanan, dan komunikasi. Beberapa jenis citra medis diperoleh dari beberapa alat pemeriksaan digital seperti Funduscopy dengan mengunakan kamera fundus untuk pemeriksaan mata, sinar infrared, ultraviolet, X-ray, CT, MRI, ultrasound,

Bab 1: Pendahuluan 3 Bab 1: Pendahuluan 3

1.5. Diabetik Retinopati

Diabetik Retinopati merupakan penyakit lanjutan dari diabetes melitus (DM) yang memiliki kasus cukup tinggi yaitu mencapai 40-50% penderita diabetes (Ilyas, 2003). Penyakit ini merupakan penyebab kebutaan paling sering ditemukan pada usia dewasa (penderita diabetes melitus) antara 20 sampai 74 tahun. Pasien diabetes memiliki risiko 25 kali rentan mengalami kebutaan dibanding dengan penderita non-diabetes. Hampir semua penyandang DM tipe 1 akan mengalami Diabetik Retinopati dengan berbagai derajat setelah 20 tahun dan 60% pada Diabetes Melitus tipe 2 (Nasution, 2011). Kerusakan pada lapisan saraf mata sampai pada kebocoran retina akibat Diabetik Retinopati akan mengakibatkan penglihatan menjadi buram sampai pada kebutaan. Penderita Diabetik Retinopati dapat menjadi buta secara permanen. Beberapa rumah sakit seperti RS Indera Denpasar dan RS. Sanglah mencatat ada sekitar 123 pasien Diabetes Melitus yang terdiri dari 57 perempuan dan yang terdiri dari 66 laki-laki mulai dari periode Oktober 2014 sampai dengan Januari 2015. Dari jumlah tersebut, sekitar 60,16% pasien mengidap Diabetik Retinopati (Ni Made Ari S, I Putu B, I Wayan Gede J, I Gede Raka, 2015). Di dunia terdapat sekitar 10% persen penduduk yang mengalami kebutaan akibat Diabetik Retinopati. Penyakit Diabetik Retinopati merupakan penyakit penyebab kebutaan paling tinggi yang menempati posisi keempat setelah katarak, glaukoma, dan degenerasi makula (Andi Arus Victor, 2008).

Diabetik Retinopati terbagi ke dalam dua jenis yaitu Non Proliferasi Diabetik Retinopati (NPDR) dan Proliferasi Diabetik Retinopati (PDR). Pada Diabetik Retinopati dengan tipe NPDR terjadi kelemahan pada pembuluh darah

4 Bab : 1 Pendahuluan

retina. Pada beberapa kasus, terdapat cairan dan darah bocor pada retina. Diameter pembuluh darah menjadi membesar dengan bentuk tepi pembuluh tidak beraturan. Jenis Diabetik Retinopati dengan tipe NPDR dapat menjadi tipe Proliferasi Diabetik Retinopati (PDR) pada stadium parah. Kerusakan pembuluh darah pada tipe PDR, berakibat pertumbuhan pembuluh darah baru yang tidak normal pada retina sehingga mengakibatkan terganggunya aliran cairan normal pada mata. Bola mata akan mendapatkan tekanan yang cukup tinggi. Salah satu cara untuk mengetahui seseorang menderita Diabetik Retinopati pada tipe NPDR dapat dilihat dari adanya kemunculan beberapa gejala antara lain Exudates (Soft Exudates seperti Cotton Wool dan Hard Exudates), Intra Retinal Mikrovaskuler Abnormalities (IRMAs) yang mengakibatkan penggelembungan vaskuler (Venous Beading ) serta perdarahan titik dan bercak (Dot and blot intraretinal hemorrhages ) (Bowling, 2016).

Klasifikasi NPDR berdasarkan ETDRS (Khurana, 2007) dengan melihat keberadaan beberapa kelainan pada kuadran citra retina. Pembagian empat kuadran pada citra fundus dilakukan dengan aproksimasi sudut pengambilan Optic Disc (Field Of View). Kebocoran lemak pada vascular retina akan mengakibatkan exudates, Venous Beading pada dua kuadran dan Intra Retinal Mikrovaskuler Abnormalities pada satu kuadran merupakan dua diantara gejala klinis sebagai gejala Diabetik Retinopati. Pembuluh darah yang berkelok-kelok merupakan gejala awal dari Venous Beading sehingga mengakibatkan dinding pembuluh darah menjadi bocor. Microaneurysms merupakan pelebaran titik fokus dari pembuluh kapiler retina yang muncul sebagai titik-titik bulat kecil merah gelap mengakibatkan Haemorrhages. Keberadaan exudates, venous beading yang terdeteksi, microaneurysms dan haemorrhages pada citra retina menunjukkan derajat penyakit (stadium) Diabetik Retinopati. Evaluasi klinis yang dilakukan untuk mendeteksi NPDR adalah dengan melakukan pemeriksaan melalui kamera fundus atau pemeriksaan langsung melalui ophthalmoscope (Chakrabarti, Harper and Keeffe, 2012).

Berdasarkan pengamatan visual seorang dokter spesialis mata (ophthalmologist) vitreo-retina, exudates muncul dalam warna putih kekuning-

Bab 1: Pendahuluan 5 Bab 1: Pendahuluan 5

Penderita Diabetik Retinopati biasanya tidak menyadari kelainan yang terjadi pada retinanya sampai muncul keluhan seperti melihat bayangan benda hitam melayang mengikuti pergerakan mata atau lebih dikenal dengan istilah floaters . Pasien Diabetik Retinopati akan mengeluhkan penglihatannya terhalang secara mendadak (Andi Arus Victor, 2008). Pencegahan kebutaan akibat Diabetik Retinopati dapat dikurangi jika dilakukan pendeteksian secara dini terhadap beberapa gejala penyebab Diabetik Retinopati.

6 Bab : 1 Pendahuluan

BAB 2 PENGOLAHAN CITRA

2.1. Citra Digital

Citra digital adalah representasi dari sebuah citra/ gambar dua dimensi sebagai sebuah kumpulan nilai digiital yang disebut elemen gambar atau piksel. Piksel merupakan elemen terkecil yang menyusun citra dan mengandung nilai yang mewakili kecerahan dari sebuah warna pada titik tertentu. Umumnya citra digital berbenutk persegi panjang atau bujur sangkar yang memiliki lebar dan tinggi tertentu sehingga ukuran citra selalu bernilai bulat. Setiap piksel memiliki kordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat dimulai dari 0 atau 1 tergantung pada sistem yang digunakan. Setiap piksel juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh piksel tersebut (Gonzalez and Woods, 2008).

2.2. Thresholding

Suatu proses yang digunakan untk menghasilkan citra biner disebut Thresholding (T). Citra biner adalah cirtra yang memiliki dua tingkat keabuan (hitam dan putih), tergantung apakah nilai piksel tersebut lebih bessar atau lebih kecil dari T. Jika nilai tingkat keabuanya lebih besar dari nilai T maka piksel akan diubah menjadi putih dan jika nilai tingkat keabuannya lebih kecil atau sama dengan T maka piksel akan diubah menjadi hitam (Gonzalez and Woods, 2008).

g  T (f ) ............................................................. ……………...(2.3)

Dimana: Bab : 2 Pengolahan Citra 7 Dimana: Bab : 2 Pengolahan Citra 7

f = citra grayscale T = nilai ambang di antara derajat keabuan

Salah satu pendekatan yang digunakan untuk thresholding adalah metode Otsu. Metode Otsu melakukan analisis diskriminan dengan mementukan suatu variabel yang dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis ini akan memaksimumkan variabel tersebut agar dapat memisahkan objek dengan latar belakang (Gonzalez and Woods, 2008). Pengamatan histrogram dari sebuah citra menghasilkan dua infomasi sekaligus yakni jumlah level intesitas yang berbeda (disimbolkan dengan L) dan jumlah piksel-piksel untuk tiap-tiap level intensiitas tersebut (yang disimbolkan dengan n(k) dengan k=0...255) (Gonzalez and Woods, 2008).

2.3. Jarak Euclidean (Euclidian Distance)

Jarak Euclidean adalah besarnya jarak suatu garis lurus yang menghubungkan antar objek. Contohnya untuk mengukur jarak antara dua objek yaitu A dengan koordinat (x1, y1) dan B dengan koordinat (x2, y2) dapat dilakukan dengan rumus:

2  2 x 1  x 2   y 2  y 1  .............. ………………………...(2.4)

2.4. Morfologi Citra

Penelitian pada objek citra medis (medical image) dilakukan sebagai bantuan awal dalam melakukan analisis terhadap citra medis. Salah satunya dilakukan untuk mengetahui bentuk suatu objek yang berada pada citra medis berdasarkan pendekatan morfologi. Pemrosesan citra secara morfologi biasanya dilakukan terhadap citra biner (hanya terdiri dari 0 dan 1), walaupun tidak menutup kemungkinan dilakukan terhadap citra dengan skala keabuan 0-255.

8 Bab : 2 Pengolahan Citra

Morfologi citra merupakan fungsi matematika yang digunakan untuk mengekstraksi dan mendeskripsikan struktur geometris objek dalam citra. Morfologi mempunyai dua operator dasar, yaitu dilasi (dilation) dan erosi (erosion) yang biasa digunakan untuk mengekstraksi komponen yang diinginkan dalam sebuah citra.

Operasi dilasi D(A,B) merupakan proses penggabungan titik-titik latar (0) menjadi bagian dari objek (1) berdasarkan structuring element yang digunakan. Variabel A adalah citra input, dan B adalah structuring element, sehingga operator  pada proses dilasi akan digunakan untuk memperbesar komponen yang diinginkan dengan cara menambahkan seluruh tepinya dengan elemen penyusun B seperti pada persamaan 2.4 (Soille, 2003).

D ( A , B )  A  B (2.4) Operasi erosi E(A,B) adalah kebalikan dari operasi dilasi. Pada operasi ini, ukuran

objek diperkecil dengan mengikis sekeliling objek. Operator  akan mengubah semua titik batas menjadi titik latar dari citra input A berdasarkan structuring element

B. Cara lain untuk proses erosi dapat dilakukan dengan membuat semua titik di sekeliling titik latar menjadi titik latar seperti pada persamaan 2.5 (Soille, 2003).

E ( A , B )  A  B (2.5) Berdasarkan dua operator tersebut, dapat diturunkan dua operator lainnya yang

berguna untuk menghaluskan batas komponen yang terhadap citra telah diekstraksi, yaitu pembukaan (opening) dan penutupan (closing) (Soille, 2003).

Operasi opening A°B dilakukan dengan menghilangkan bagian-bagian kecil yang terlihat terang (bintik-bintik putih atau noise) melalui proses erosi AB diikuti operator  untuk dilasi berdasarkan structuring element B seperti pada persamaan

2.6. Structuring element dapat berukuran sembarang. Structuring element juga memiliki titik poros (disebut juga titik origin/ titik asal/titik acuan). Opening

Bab : 2 Pengolahan Citra 9 Bab : 2 Pengolahan Citra 9

A  B  ( A  B )  B (2.6) Operasi closing AB digunakan untuk menghilangkan bagian detail yang terlihat

gelap dan menyisakan bagian terang yang tidak mengganggu. Closing merupakan operasi rangkap dari opening yang dihasilkan dari dilasi AB diikuti operator  untuk erosi B melalui persamaan 2.7 (Soille, 2003).

A  B  ( A  B )  B (2.7) Gambar 2.1 adalah contoh citra hasil penerapan morfologi matematika masing-

masing untuk hasil operasi dilasi, erosi, opening dan closing. (Gonzalez et al, 2009).

Gambar 2.1. Contoh Citra Hasil Penerapan Morfologi Matematika (Gonzalez et al, 2009)

2.5. Skeleton

Proses mengubah bentuk dari citra hasil restorasi yang berbentuk citra biner menjadi citra yang menampilkan batas-batas objek yang hanya setebal satu piksel disebut skeletonisasi. Proses skeletoniisasi mempergunakan algoritma thinning yang secara iteratif menghapus piksel-piksel pada citra biner, transisi dari

0 ke 1 (atau dari 1 ke 0 pada konversi lain) terjadi sampai dengan terpenuhi suatu 10 Bab : 2 Pengolahan Citra 0 ke 1 (atau dari 1 ke 0 pada konversi lain) terjadi sampai dengan terpenuhi suatu 10 Bab : 2 Pengolahan Citra

2.6. Transformasi Top Hat

Tranformasi Top Hat adalah perbedaan antara citra dan citra setelah mengalami operasi opening seperti dapat dilihat pada rumus 2.7. (Solomon and Breckon, 2011).

TTH ( A , B )  A  ( A  g . B ) .................................…………...…….(2.7) Dimana:

A = Citra Asal

B = Elemen penstruktrur

g = operasi berlaku untuk citra beraras keabuan

Transformasi Top Hat berguna untuk mendapatkan bentuk global suatu objek yang mempunyai intensitas yang bervariasi (A. Kadir, 2013).

2.7. Transformasi Bottom Hat

Bab : 2 Pengolahan Citra 11

Operasi Bottom Hat merupakan operasi yang melakukan dilasi dengan memperbesar warna putih kemudian melakukan erosi denagan pengecilan warna putih dan dikurangi dengan citra asal. Dilasi yang diikuti erosi memberikan efek berupa objek-objek yang berdekatan menjadi semakin dekat. Pengurangan oleh citra asal membuat penghubung antar objek menjadi hasil tersisa atau piksel – piksel yang digunakan untuk mengisi lubang (penghubung objek) (Kadir, 2013). Transformasi Bottom Hat didefinisikan pada rumus 2.8 :

TBH ( A , B )  ( A  gB )  A ..................................................................(2.8)

2.8. Ekstraksi Fitur Bentuk

Ekstraksi fitur merupakan suatu pengambilan ciri/ feature dari suatu bentuk yang nantinya nilai yang didapatkan akan dianalisis untuk proses selanjutnya. Ektraksi fitur dilakukan dengan cara menghitung jumlah titik atau piksel yang ditemui dalam setiap pengecekan. Pengecekan dilakukan dalam berbagai arah tracing pada koordinat kartesian dari citra digital yang dianalisis, yaitu vertikal, horizontal, diagonal kanan, dan diagonal kiri. Fitur merupakan karakteristik unik dari suatu objek yang dibedakan menjadi dua yaitu fitur alami yang merupakan bagian dari gambar (contohnya kecerahan dan tepi objek) dan fitur buatan yang merupakan fitur yang diperoleh dengan operasi tertentu pada gambar (contohnya histogram tingkat keabuan) (Gonzalez and Woods, 2008). Ekstraksi fitur adalah proses untuk mendapatkan ciri-ciri pembeda yang menbedakan suatu objek dari objek yang lain (Putra, 2010). Salah satu ekstraksi fitur adalah ekstraksi fitur bentuk. Bentuk dari suatu objek adalah karakter konfigurasi permuukaan yang diwakili oleh garris dan kontur.

Dua kategori dari Fitur bentuk yaitu berdasarkan batas (boundary-based) dan daerah (region-based) tergantung pada teknik yang digunakan. Teknk berdasarkan batas (boundary-based) mengambarkan bentuk daerah dengan menggunakan karakteritik eksternal, contohnya adalah piksel sepanjang batas objek. Sedangkan teknik berdasarkan daerah (region-based) menggambarkan bentuk wilayah dengan menggunakan karakteristik internal, contohnya adalah

12 Bab : 2 Pengolahan Citra 12 Bab : 2 Pengolahan Citra

2.9. Matriks Hessian

Matriks adalah susunan bilangan yang diatur berdasarkan baris dan kolom. Bilangan-bilangan tersebut dinamakan entri dalam matriks disebut juga elemen (unsur). Matriks Hessian adalah matriks yang setiap elemennya dibentuk dari turunnan partial kedua dari suatu fungsi. Misalkan f(x) fungsi dengan n variabel yang memiliiki turunan parsial kedua dan turunannya kontinu,

matriks Hessian f(x) dengan rumus :

 x 2  ..............................................................(2.9)

Untuk melakukan uji turunan kedua fungsi lebih dari satu variabel, digunakan Matriks Hessian yaitu untuk mengidentifikasi optimum relatif dari nilai fungsi tersebut. Penggolongan titik stassioner fungsi dua variabel dengan mengunakan matriks Hessian misalkan f(x) = F(x 1, …, x n ) adalah fungsi

bernilai real dengan semua turunan parsialnya kontinu. Misalnya x 0 adalah titik stasioneer dari F dan didefinisikan H = H(x 0 ) dengan persamaan H ij =F xi, yj (x 0 ).

H (x 0 ) adalah Hessian dari F pada x 0 (Magnus, 2007).

Titik stasioner dapat digolongkan sebagai berikut :

1. x 0, adalah suatu minimuum relatif dari F jika jika H(x 0. ) definite positif

Bab : 2 Pengolahan Citra 13

2. x 0, adalah suatu maksimum relatif dari F jika H(x 0. ) definiet negatif

3. x 0, adalah suatu titik pelana dari F jika H(x 0. ) tidak terdefinisi.

2.10. Vektor Nilai Eigen

Sebuah matriks bujur sangkar dengan orde n x n, misalkan A dan sebuah vektor kolom X. Vektor X adalah vecktor dalam ruang Euclidian n R yang

dihubungkan dengan sebuah persamaan :

AX   X ……………....................................................……..(2.10) Dimana :  = skalar

X = vector yaang bukan nol Skalar

 = nilai Eigen dari matriks A .

Nilai eigen adalah nilai karakteristik dari suatu matriks bujur sangkar. Vektor X dalam persamaan (2.10) adalah suatu vektor yang tidak nol yang memenuhi persamaan (2.11) untuk nilai eigen yang sesuai dan disebut dengan vektor eigen. Jadi vektor X mempunyai nilai tertentu untuk nilai eigen tertentu (Gaidhane,

Hote, Singh, 2011). Persamaan AX   X dimana A adalah matrik bujur sangkar dan X adalah vektor bukan nol yang memenuhi perssamaan tersebut. Contoh sebuah matrik bujur sangkar orde 2x2 :

 a 11 a 12 

A=   ................................................................(2.11)  a 21 a 22 

2.11. Klasifikasi Citra Digital

Berdasarkan warna-warna penyusunnya klasifikasi citra digital terdiri atas :

1. Citra biner

14 Bab : 2 Pengolahan Citra

Citra biner adalah citra yang mana setiap pixel hanya memiliki dua level nilai keabuan, yaitu hitam dan putih. Nilai biner ini direpresentasikan dengan 1 bit seperti terlihat pada gambar 2.2.

Gambar 2.2. Representasi Citra Biner (Gonzalez et al, 2009)

2. Citra Skala Keabuan (Grayscale)

Citra yang tidak berwarna atau hitam putih dikenal sebagai citra dengan derajat abu-abu (citra graylevel/ grayscale). Derajat abu-abu yang dimiliki beragam, mulai dari 2 derajat abu-abu (yaitu 0 dan 1) yang dikenal juga sebagai citra monochrome, 16 derajat keabuan dan 256 derajat keabuan.

Dalam sebuah citra monochrome, sebuah piksel diwakili oleh 1 bit data yang berisikan data tentang derajat keabuan yang dimiliki piksel tersebut. Data akan berisi 0 bila piksel berwarna hitam dan 1 bila piksel berwarna putih. Citra yang memiliki 16 derajat keabuan (mulai dari 0 yang mewakili warna hitam sampai dengan 15 yang mewakili warna putih) direpresentasikan oleh 4 bit data, sedangkan citra dengan 256 derajat keabuan (nilai dari 0 yang mewakili warna hitam sampai dengan 255 yang mewakili warna putih) direpresentasikan oleh 8 bit data.

Citra skala keabuan memberi kemungkinan warna yang lebih banyak daripada citra biner, karena ada nilai-nilai lain di antara nilai minimum (0) dan nilai maksimumnya (1). Banyaknya kemungkinan nilai dan nilai maksimumnya bergantung pada jumlah bit yang digunakan. Contohnya untuk skala keabuan 4

Bab : 2 Pengolahan Citra 15 Bab : 2 Pengolahan Citra 15

2 4 – 1 =15. Untuk skala keabuan 8 bit, maka jumlah kemungkinan nilainya adalah

8 2 8 = 256 dam nilai maksimumnya 2 – 1 = 255. Format citra ini disebut skala keabuan karena pada umumnya warna yang dipakai adalah antara hitam sebagai

warna minimal dan warna putih sebagai warna maksimalnya, sehingga warna di antara keduanya adalah warna abu-abu. Pada umumnya citra skala keabuan menggunakan jumlah bit 8 sesuai dengan satuan memori komputer (byte), tetapi terdapat juga citra skala keabuan yang kedalaman pikselnya bukan 8 bit, misalnya

16 bit untuk penggunaan yang memerlukan ketelitian tinggi seperti pada citra medis CT scan paru gambar 2.3.

Gambar 2.3. Citra Grayscale CT scan Paru (sumber : RSCM, 2011)

2.12. Deteksi Tepi pada Citra

Salah satu cara untuk menyederhanakan bentuk citra pada proses analisis citra medis yaitu dengan melakukan pendeteksian tepi (edge detection). Tepi

16 Bab : 2 Pengolahan Citra 16 Bab : 2 Pengolahan Citra

1. Memberikan tanda pada bagian yang menjadi detail citra

2. Memperbaiki detail dari citra yang kabur, yang diakibatkan karena error atau adanya efek dari proses akuisisi citra

Suatu titik (x,y) dikatakan sebagai tepi dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Gambar 2.6 berikut ini menggambarkan bagaimana tepi suatu citra diperoleh. Dari suatu citra input f(x,y), akan ditentukan penelusuran arah vertikal dengan differensial arah F/x dan penelusuran arah horizontal dengan differensial arah F/y untuk didapatkan citra yang merupakan hasil penelusuran gabungan antara F/x dan F/y

Gambar 2.4. Proses Deteksi Tepi Citra (Nixon and Aguado, 2002) Pada prosesnya, tepi citra yang dideteksi sering mempunyai intensitas yang lebih

kecil sehingga terkadang tepi citra yang dianalisis tersebut tidak dapat dikenali. Tepi citra sering tidak lengkap, hal ini dikarenakan warna background hampir seperti warna foreground. Tepi citra yang ditemukan pendek dan tidak terhubung

Bab : 2 Pengolahan Citra 17 Bab : 2 Pengolahan Citra 17

1. Metode Robert Metode Robert adalah nama lain dari teknik differensial pada arah

horizontal dan differensial pada arah vertikal, dengan ditambahkan proses konversi biner setelah dilakukan differensial. Teknik konversi biner yang disarankan adalah konversi biner dengan meratakan distribusi warna hitam dan putih.

2. Metode Prewitt Metode Prewitt merupakan pengembangan metode Robert dengan

menggunakan filter High Pass Filter (HPF) yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF (Gonzalez et al, 2009).

3. Metode Sobel Metode Sobel merupakan pengembangan metode Robert dengan

menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi Laplacian dan Gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode Sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi (Gonzalez et al, 2009).

4. Canny Salah satu metode yang dikenal secara luas adalah deteksi tepi metode

Canny yang memiliki kriteria deteksi tepi optimal tanpa adanya kesalahan deteksi, lokalisir yang baik dengan jarak minimal antara tepi terdeteksi dengan posisi tepi sebenarnya, dan respon tunggal terhadap tepi. Untuk mengakomodasi kriteria-kriteria tersebut, operator Canny menambahkan prosedur-prosedur perbaikan sebelum dan sesudah pendeteksian tepi (pre dan

18 Bab : 2 Pengolahan Citra 18 Bab : 2 Pengolahan Citra

Pre dan post processing yang dilakukan pada deteksi tepi metode Canny antara lain (Nixon and Aguado, 2002) :

a) Smoothing (preprocessing) Proses smoothing dilakukan untuk menghilangkan noise dan menurunkan pengaruh tekstur pada citra sehingga diperoleh hasil deteksi yang lebih baik. Pada metode Canny, digunakan filter Gaussian dalam bentuk matriks template yang merupakan bobot (weight) dalam perhitungan nilai rata-rata suatu kelompok piksel pada citra input.

b) Non maximum suppresion (post-processing) Proses Non Maximum Suppression yang mirip dengan proses thinning (perampingan) dilakukan untuk menentukan piksel tepi dengan posisi paling mendekati lokasi terjadinya perubahan nilai piksel di antara banyaknya piksel tepi yang terdeteksi. Pada umumnya, perubahan nilai piksel berada pada pusat kumpulan piksel tepi. Penentuan pusat kumpulan piksel tepi di antaranya dengan penghitungan jarak euclidean antara setiap piksel tepi p(x, y) ke piksel bukan tepi q(s, t), dimana piksel pada pusat suatu kumpulan piksel akan memiliki jarak ke piksel tepi terjauh.

c) Hysteresis thresholding (post-processing) Berbeda dengan metode thinning, pada proses Non Maximum suppresion,

pengubahan menjadi citra biner tersebut menggunakan dua nilai threshold T 1 dan T 2 dimana T 1 >T 2 yang sering disebut juga hysteresis thresholding. Setiap piksel tepi dengan nilai lebih besar dari T 1 dipertahankan sebagai piksel tepi.

Piksel tepi di sekitar piksel tepi yang nilainya lebih besar dari nilai threshold T 1 di atas juga dipertahankan sebagai piksel tepi jika nilainya

Bab : 2 Pengolahan Citra 19 Bab : 2 Pengolahan Citra 19

metode Canny pada citra CT scan paru dapat dilihat pada gambar 2.5.

Citra input

Tepi citra paru

Citra Hasil

Nodul paru

Gambar 2.5 (a) Citra CT Scan Paru (b) Citra Hasil Dengan Operator Canny

20 Bab : 2 Pengolahan Citra

BAB 3 RUANG WARNA

Gelombang cahaya yang nampak tertangkap oleh sel-sel cone dan rod dalam retina mata diteruskan ke syaraf visual otak dan membangkitkan berbagai sensasi warna. Tujuan dikembangkannya ruang warna adalah untuk memodelkan, menghitung dan memvisualisasikan untuk mendapatkan informasi warna sehingga dapat memudahkan komputer atau sistem digital lainnya memproses informasi warna dan membedakan warna seperti halnya sistem visual manusia (Madenda, 2015). Beberapa ruang warna tersebut antara lain adalah sebagai berikut :

1. RGB(Red Green Blue)

2. HSL (Hue Saturation Lightness), HSV (Hue Saturation Value), HSI (Hue

3. Saturation Intensity), dan HCL (Hue Chroma Lightness)

4. YUV, YDbDr, YIQ dan YCbCr (Luminance – Chrominance)

3.1. Ruang Warna RGB

Ruang warrna RGB adalah ruaang warna berdasarkan konsep penammbahan kuat cahaya primer yaitu Red, Green dan Blue. Ruamg yang gelap total berarti tidak ada sinyal gelombamg cahaya yang diserap oleh mata atau RGB (0,0,0). Bila ditambahkan cahaaya merah maka ruangan akan berubah menjadi merah dan semua benda memjadi berwarna merah, misalnya RGB (255,0,0). Ruang warna standar yang didasarkan pada hasil akuisisi frekuensi warna oleh sensor elektronik yang bentuk keluarannya berupa sinyal analog adalah Ruang warna RGB (Red, Green, Blue), yang amplitudonya di digitalisasikan dan dikodekan dalam 8 bit untuk setiap warnanya. RGB adalah ruang warna aditif yang bermakna bahwa semua warna dimulai dari hitam dan dibentuk dengan menambah R, G dan B. Setiap warna yang tampak merupakan kombiinasi dari tiga komponen R, G dan B. Gabungan dari tga warna ini akan membentuk warna lain seperti Gambar 3.1. Pada gambar ini, ketiga warna dasar ini memiliki intensitas yang sama (Madenda, 2015).

Bab : 3 Ruang Warna 21

Gambar 3.1. Ruang warna RGB (Madenda, 2015)

3.2. Ruang Warna HSL

Tiga konponen warna yang merepresntasikan ruang warna HSL adalah hue, saturation, dan lightness. Ruamg Warna HSL secara konseptual berbentuk kerucut berganda atau lingkaran dengan pucuknya berwarna putih, dan sudut dasarnya berwarna hitam, dan warna sangat gelap pada sekeliling sisi lingkar horizontal serta pada bagian tengah warna abu-abu sedang. Hue merupakan kedalaman warna berdasarkan cahaya yang dipantulkan oleh objek. Kedalaman warna tersebut memiliki tingkatan 0 sampai 359. Contohnya warna Merah berada pada tingkat 0, warna Kuning 60, warna Hijau pada tingkat 120 dan warna Cyan pada tingkat 180. Untuk tingkat 240 merupakkan warna Biru, serta 300 adalah warna Magenta. Saturatin/ Chroma adalah tingkatan warna berdasarkan ketajamannya berfungsi untuk mendefinisikan apakah warna suatu objek cenderung murni atau cenderung kotor (gray). Saturation memiliki presentase yang berkisar antara 0% sampai 100% sebagai warna paling tajam. Lightnes adalah tingkatan warna berdasarkan pencampuran dengan unsur warna Putih sebagai unsur warna yang memunculkan kesan warna terang atau gelap. Nilai

22 Bab : 3 Ruang Warna 22 Bab : 3 Ruang Warna

Perubahan bentuk geometri kubik warna RGB dalam bentuk silinder menciptakan Ruang Warna HSL (Hue, Saturation and Lightnes/ Luminance), sehingga lebih mendekati intuisi dan persepsi visual manusia. Perubahan dari Ruang warna RGB ke Ruang warna HSL dapat dilihat pada persamaan 3.1.

 TidakTerde finisi

, Jika max  min 

, Jika max  G

  max  min 

h ( hue )   (3.1)

, Jika max  B 

  max  min

, Jika max  B

0 , Jika max  min 

 s ( saturation )  

 max  min

, Jika L  127 

 max  min

, Jika L  127

 2  ( 2 L / 255 )

max min

Pada Persamaan 2.1, Max = max (R, G, B), Min = min (R, G, B). Intensitas warna R,G dan B bervariasi dari 0 hingga 255 akan menghasilkan nilai H (Hue) dalam radian yang bervariasi mulai dari –п/3 hingga +5п/3. Nilai S (Saturation) dan nilai L (Lightness) masing-masing bervariasi dari 0 sampai 255 (Madenda, 2015).

Bab : 3 Ruang Warna 23

3.3. Ruang Warna HSV

Ruang warna HSV mendefinisikan warana dalam terminologi Hue, Saturation dan Value. Hue menyatakan warna sebenarnya yang digunakan untuk membedakan waarna-warna dan menentukan kemerahan (redness), kehijauan (greenness) dan bentuk warna lainnya dari cahaya. Hue berasosiaasi degan panjang gelombang cahaya. Saturation menyaatakan tingkat kemurnian suatu warna, yaitu mengindikasikan seberapa banyak warna putih diberikan pada warna. Value (luminance) adalah empat atribut yang menyatakan banyaknya cahaya yang diterima oleh mata tanpa memperdulikan warna.

Ruang warna HSV hampir sama dengan ruang warna HSL yaitu merepresentasikan nuansa warna dalam koordinat silindris 3-D. Ruang warna HSV disebut juga dengan hexcone model (Hue, Saturation dan Value). Konversi dari ruang warna RGB ke HSV mirip dengan persamaan ruang HSL (Madenda, 2015) seperti dapat dilihat pada persamaan 2.2

, Jika max  min 

TidakTerde finisi

h ( hue )   

, Jika max  R 

 max  min

2  A , Jika max  G    max  min

 Dimana:

 0 , Jika max  min  s ( saturation )  

  max  min , Jika lainnya 

V ( value )  max

Pada Persamaan 2.2, Max = max (R, G, B), Min = min (R, G , B). A = п/3 bila H dalam radian atau A = 60 o bila H dalam derajat. Nilai komponen H (Hue)

jika dinyatakan dalam radian memiliki nilai yang bervariasi mulai dari –п/3 hingga +5п/3 atau jika dinyatakan dalam derajat memiliki nilai yang bervariasi

24 Bab : 3 Ruang Warna 24 Bab : 3 Ruang Warna

3.4. Ruang Warna HSI

Warna juga dapat dispesifikasikan oleh tiga kuantisasi hue, saturation, intensity (disebut model HSI) seperti pada gambar diabawah. Pada gambar sebelah kiri merupakan bentuk solid HSI dan sebelah kanan adalah model segitiga HSI yang merupakan bidang datar dari pemotongan model solid HSI secara horisontal pada tingkat intensitas tertentu. Hue ditentukan dari warna merah, saturation ditentukan berdasarkan jarak dari sumbu. Warna pada permukaan model solid dibentuk dari saturasi penuh, yaitu warna murni, dan spektrum tingkat keabuan,

Gambar 3.2. Ruang warna HSI ( …)

Konversi nilai antar model RGB dan HSI adalah sebagai berikut:

Bab : 3 Ruang Warna 25 Bab : 3 Ruang Warna 25

3.5. Ruang Warna CMY/ CMYK

CMYK (cyan, magenta, yellow-kuning), dan warna utamanya (black- hitam), dan sering dijadikan referensi sebagai suatu proses pewarnaan dengan mempergunakan empat warna) adalah bagian dari model pewarnaan yang sering dipergunakan dalam pencetakan berwarna. Namun ia juga dipergunakan untuk menjelaskan proses pewarnaan itu sendiri. Meskipun berbeda-beda dari setiap tempat pencetakan, operator surat kabar, pabrik surat kabar dan pihak-pihak yang terkait, tinta untuk proses ini biasanya, diatur berdasarkan urutan dari singkatan tersebut. Model ini, baik sebagian ataupun keseluruhan, biasanya ditimpakan dalam gambar dengan warna latar putih (warna ini dipilih, dikarenakan dia dapat menyerap panjang struktur cahaya tertentu). Model seperti ini sering dikenal dengan nama "subtractive", karena warna-warnanya mengurangi warna terang dari warna putih.

Dalam model yang lain "additive color", seperti halnya RGB (Red-Merah, Green -Hijau, Blue-Biru), warna putih menjadi warna tambahan dari kombinasi warna-warna utama, sedangkan warna hitam dapat terjadi tanpa adanya suatu cahaya. Dalam model CMYK, berlaku sebaliknya, warna putih menjadi warna natural dari kertas atau warna latar, sedangkan warna hitam adalah warna kombinasi dari warna-warna utama. Untuk menghemat biaya untuk membeli tinta, dan untuk menghasilkan warna hitam yang lebih gelap, dibuatlah satu warna hitam khusus yang menggantikan warna kombinasi dari cyan, magenta dan kuning.

26 Bab : 3 Ruang Warna

Gambar 3.2. Ruang warna CYMK (Madenda, 2015).

3.6. Ruang Warna YUV

Ruang Warna YUV adalah pemisahan komponen kecerahan (luminance) dan komponen warna (crominanc). Pemisahan komponen tidak hanya dilakukan dengan pemisahan warna, namun dapat juga dilakukan dengan memisahkan komponen kecerahan (luminance) dan komponen warna (crominance). Pada format PAL, sinyal kecerahan dinyatakan dengan Y, sedangkan dua signal warna dinyatakan dengan U dan V

Masing-masing komponen tersebut diperoleh dengan mentransformasikan RGB dengan rumus :

Y=0,299 R + 0,587 G + 0,114 B U=(B-Y) x 0,493 V=(R-Y) x 0,877

Bab : 3 Ruang Warna 27

3.7. Ruang Warna Luminance In-phase Quadrature (YIQ)

Luminance in-phase quadrature (YIQ) adalah pemisahan sinyal video menjadi komponen kecerahan dan komponen warna, dapat dilakukan juga sesuai dengan format NTSC, komponen kecerahan dinyatakan dengan Y, dan dua komponen warna dinyatakan dengan I dan Q.

Masing-masing komponen tersebut diperoleh dengan mentransformasikan RGB dengan rumus :

Y=0,299 R + 0,587 G + 0,114 B I=0,587R-0,275G-0,321B Q=0,212R-0,523G-0,321B

3.8. Ruang Warna YCbCr

Ruang warna YCbCr biasa digunakan pada video digital. Pada ruang warna ini, komponen Y menyatakan intensitas, sedangkan Cb dan Cr menyatakan informasi warna. Proses konversi dari RGB dilakukan dengan beberapa cara. Contoh berikut didasarkan pada rekomendasi CCIR 601-1 (Crane, 1997)

Gambar 3.3. Ruang warna YCbCr (Crane, 1997).

28 Bab : 3 Ruang Warna

3.9. Ruang Warna CIELAB

CIELAB adalah nama lain dari CIE L*a*b*. Diagram kromasitas CIE (Commission Internatiole de L’Eclairage) ditunjukkan pada Gambar 3.4. Pada diagram tersebut, setiap perpaduan x dan y menyatakan suatu warna. Namun, hanya warna yang berada dalam area ladam (tapal kuda) yang bisa terlihat. Angka yang berada di tepi menyatakan panjang gelombang cahaya. Warna yang

terletak di dalam segitiga menyatakan warna-warna umum di monitor CRT, yang dapat dihasilkan oleh komponen warna merah, hijau, dan biru.

Gambar 3.4. Diagram kromasitas CIE (Sumber: Russ, 2011)

Bab : 3 Ruang Warna 29

BAB 4 CITRA MEDIS

Pencitraan medis adalah visualisasi bagian tubuh, jaringan, atau organ tubuh, untuk digunakan dalam diagnosis klinis, pemantauan pengobatan dan penyakit . Teknik pencitraan mencakup bidang radiologi, kedokteran nuklir dan pencitraan optik dan intervensi yang dipandu citra. Citra medis saat ini telah dimanfaatkan untuk beberapa keperluan seperti Magnetic Resonance Imaging (MRI), X-Ray, Ultrasonography, Funduscopy, Endoscopy, Computed Tomography (CT-Scan), dan Nuclear Medicine.

4.1. Magnetic Resonance Imaging (MRI) Magnetic Resonance Imaging (MRI) adalah suatu alat untuk mendiagnosa penyakit pada pasien untuk memeriksa dan mendeteksi tubuh dengan menggunakan medan magnet yang besar dengan menggunakan frekuensi radio tanpa operasi, penggunaan sinar X atau pengunaan bahan radio aktif yang hasilnya berupa rekaman gambar potongan penampang tubuh / organ manusia dengan menggunakan medan magnet berkekuatan antara 0,064 – 1,5 tesla (1 tesla = 1000 Gauss).

Gambar 4.1.Magnetic Resonance Imaging (MRI) (sumber: https://medlineplus.gov )

Bab 4: Citra Medis 30

Teknik penggambaran MRI relatif komplek karena gambaran yang dihasilkan tergantung pada banyak parameter. Kualitas gambaran detil tubuh manusia akan tampak jelas bila pemilihan parameternya tepat, sehingga anatomi dan patologi jaringan tubuh dapat dievaluasi secara teliti dan tepat. Maka untuk itu perlu dipahami hal-hal yang berkaitan dengan prosedur tehnik MRI dan tindakan penyelamatan bila terjadi dalam keadaan darurat. Beberapa faktor kelebihan yang dimilikinya adalah terutama kemampuan membuat potongan koronal, sagital, aksial dan oblik tanpa banyak memanipulasi posisi tubuh pasien sehingga sangat sesuai untuk diagnostik jaringan lunak. Macam – macam MRI bila ditinjau dari kekuatan magnetnya terdiri dari :

1. MRI Tesla tinggi ( High Field Tesla ) memiliki kekuatan di atas 1 – 1,5 T . 2. MRI Tesla sedang (Medium Field Tesla) memiliki kekuatan 0,5 –T 3. MRI Tesla rendah (Low Field Tesla) memiliki kekuatan di bawah 0,5 T

4.2. X-Ray

Sinar X-Ray telah dimanfaatkan dibidang kedokteran, salah satunya adalah dengan menggunakan sinar X-ray mulai dari radasi untuk diagnostic, pemeriksaan Sinar-X gigi dan penggunaan radiasi Sinar-X untuk terapi. Radioterapi atau terapi Radiasi adalah salah satu pengobatan dengan menggunakan sinar sebagai energy intensif membunuh sel kanker. Alat diagnosis yang banyak digunakan di daerah adalah pesawat sinar-X (photo Rontgen) yang berfungsi untuk photo thorax, tulang tangan,kaki dan organ tubuh yang lainnya. Alat terapi banyak terdapat di rumah sakit-rumah sakit perkotaan karena membutuhkan daya listrik yang cukup besar. Di negara maju, fasilitas kesehatan yang menggunakan radiasi sinar-X telah sangat umum dan sering digunakan.

4.3. Ultrasonography (USG)

Ultrasonography (USG) merupakan salah satu Citra diagnostik untuk memeriksa alat dalam tubuh manusia sehingga kita dapat mempelajari bentuk,

31 Bab : 4 Citra Medis 31 Bab : 4 Citra Medis

Ultrasonik adalah gelombang suara dengan frekwensi lebih tinggi daripada kemampuan pendengaran telinga manusia, sehingga manusia tidak bisa mendengarnya sama sekali. Suara yang dapat didengar manusia mempunyai frekwensi antara 20 – 20.000 Cpd (Cicles per detik- Hertz). Dalam pemeriksaan USG ini menggunakan frekwensi 1-10 MHz (1-10 juta Hz). Gelombang suara frekwensi tinggi tersebut dihasilkan dari kristal-kristal yang terdapat dalam suatu alat yang disebut transducer. Perubahan bentuk akibat gaya mekanis pada kristal, akan menimbulkan tegangan listrik. Fenomena ini disebut efek Piezo-electric, yang merupakan dasar perkembangan USG selanjutnya. Bentuk kristal juga akan berubah bila dipengaruhi oleh medan listrik. Sesuai dengan polaritas medan listrik yang melaluinya, kristal akan mengembang dan mengkerut, maka akan dihasilkan gelombang suara frekwensi tinggi.

4.3.1. Peralatan Yang digunakan dalam USG Peralatan yang digunakan dalam Ultrasonography (USG) adalah :

1. Transduser; yaitu Transduser adalah komponen USG yang ditempelkan pada bagian tubuh yang akan diperiksa, seperti dinding perut atau dinding poros usus besar pada pemeriksaan prostat. Di dalam transduser terdapat kristal yang digunakan untuk menangkap pantulan gelombang yang disalurkan oleh transduser. Gelombang yang diterima masih dalam bentuk

Bab 4: Citra Medis 32 Bab 4: Citra Medis 32

2. Monitor yang digunakan dalam USG; Monitor ini digunkan untuk menampilkan hasil dari pemeriksaan yang mengunakan USG.

3. Mesin USG; berfungsi untuk mengolah data yang diterima dalam bentuk gelombang. Mesin USG ini merupan CPUnya mesin USG. Contoh penggunaan alat USG dapat dilihat pada gambar 4.2.

Gambar 4.2. Hasil Pemeriksaan Ibu Hamil dengan USG (sumber: https://ibu-hamil.web.id )

33 Bab : 4 Citra Medis

Gambar 4.3. Sonograf Alat untuk USG (sumber: https://ibu-hamil.web.id )

4.3.2. Manfaat Alat USG Manfaat dan fungsi USG antara lain adalah :

1. Menemukan dan menentukan letak massa rongga perut dan pelvis.

Lanjutkan membaca

Dokumen baru

PENGARUH PENERAPAN MODEL DISKUSI TERHADAP KEMAMPUAN TES LISAN SISWA PADA MATA PELAJARAN ALQUR’AN HADIS DI MADRASAH TSANAWIYAH NEGERI TUNGGANGRI KALIDAWIR TULUNGAGUNG Institutional Repository of IAIN Tulungagung

48 1180 16

PENGARUH PENERAPAN MODEL DISKUSI TERHADAP KEMAMPUAN TES LISAN SISWA PADA MATA PELAJARAN ALQUR’AN HADIS DI MADRASAH TSANAWIYAH NEGERI TUNGGANGRI KALIDAWIR TULUNGAGUNG Institutional Repository of IAIN Tulungagung

18 336 43

PENGARUH PENERAPAN MODEL DISKUSI TERHADAP KEMAMPUAN TES LISAN SISWA PADA MATA PELAJARAN ALQUR’AN HADIS DI MADRASAH TSANAWIYAH NEGERI TUNGGANGRI KALIDAWIR TULUNGAGUNG Institutional Repository of IAIN Tulungagung

17 272 23

PENGARUH PENERAPAN MODEL DISKUSI TERHADAP KEMAMPUAN TES LISAN SISWA PADA MATA PELAJARAN ALQUR’AN HADIS DI MADRASAH TSANAWIYAH NEGERI TUNGGANGRI KALIDAWIR TULUNGAGUNG Institutional Repository of IAIN Tulungagung

3 191 24

PENGARUH PENERAPAN MODEL DISKUSI TERHADAP KEMAMPUAN TES LISAN SISWA PADA MATA PELAJARAN ALQUR’AN HADIS DI MADRASAH TSANAWIYAH NEGERI TUNGGANGRI KALIDAWIR TULUNGAGUNG Institutional Repository of IAIN Tulungagung

16 254 23

KREATIVITAS GURU DALAM MENGGUNAKAN SUMBER BELAJAR UNTUK MENINGKATKAN KUALITAS PEMBELAJARAN PENDIDIKAN AGAMA ISLAM DI SMPN 2 NGANTRU TULUNGAGUNG Institutional Repository of IAIN Tulungagung

17 348 14

KREATIVITAS GURU DALAM MENGGUNAKAN SUMBER BELAJAR UNTUK MENINGKATKAN KUALITAS PEMBELAJARAN PENDIDIKAN AGAMA ISLAM DI SMPN 2 NGANTRU TULUNGAGUNG Institutional Repository of IAIN Tulungagung

14 318 50

KREATIVITAS GURU DALAM MENGGUNAKAN SUMBER BELAJAR UNTUK MENINGKATKAN KUALITAS PEMBELAJARAN PENDIDIKAN AGAMA ISLAM DI SMPN 2 NGANTRU TULUNGAGUNG Institutional Repository of IAIN Tulungagung

5 180 17

KREATIVITAS GURU DALAM MENGGUNAKAN SUMBER BELAJAR UNTUK MENINGKATKAN KUALITAS PEMBELAJARAN PENDIDIKAN AGAMA ISLAM DI SMPN 2 NGANTRU TULUNGAGUNG Institutional Repository of IAIN Tulungagung

8 327 30

KREATIVITAS GURU DALAM MENGGUNAKAN SUMBER BELAJAR UNTUK MENINGKATKAN KUALITAS PEMBELAJARAN PENDIDIKAN AGAMA ISLAM DI SMPN 2 NGANTRU TULUNGAGUNG Institutional Repository of IAIN Tulungagung

16 368 23