Identifikasi Diabetic Retinopathy Melalui Citra Retina Menggunakan Modified K-Nearest Neighbor
IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
SKRIPSI AMELIA FEBRIANI 101402009
PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014 IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi AMELIA FEBRIANI
101402009 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN
2014
PERSETUJUAN
Judul : IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
Kategori : SKRIPSI Nama : AMELIA FEBRIANI Nomor Induk Mahasiswa : 101402009 Program Studi : S1 TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dr. Erna Budhiarti Nababan, M.IT Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.
NIP. - NIP. 19860303 201012 1 004 Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP. 19800110 200801 1 010
PERNYATAAN
IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Desember 2014 Amelia Febriani 101402009
Puji dan syukur penulis sampaikan ke hadirat Tuhan Yang Maha Esa yang telah memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi.
Pertama, penulis ingin mengucapkan terima kasih kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc selaku pembimbing pertama dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing kedua yang telah membimbing penulis dalam penelitian serta penulisan skripsi ini. Tanpa inspirasi serta motivasi yang diberikan dari kedua pembimbing, tentunya penulis tidak akan dapat menyelesaikan skripsi ini. Penulis juga mengucapkan terima kasih kepada Bapak Muhammad Fadly Syahputra, B.Sc., M.Sc.IT sebagai dosen pembanding pertama dan Bapak Dani Gunawan, ST., MT sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini. Ucapan terima kasih juga ditujuan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, dan semua dosen serta pegawai di lingkungan program studi Teknologi Informasi, yang telah membantu serta membimbing penulis selama proses perkuliahan.
Penulis tentunya tidak lupa berterima kasih kepada kedua orang tua penulis, yaitu Bapak Jabrianul Hasibuan dan Ibu Sasmita Tanjung yang telah membesarkan penulis dengan sabar dan penuh cinta. Terima kasih juga penulis ucapkan kepada kakak penulis Dila Anggraini Putri dan adik penulis Feliza Tania, yang selalu memberikan dukungan kepada penulis. Penulis juga berterima kasih kepada seluruh anggota keluarga penulis yang namanya tidak dapat disebutkan satu satu.
Terima kasih juga penulis ucapkan kepada teman-teman yang telah memberikan dukungan, khususnya Noviyanti Tri M, Halimatussadiah, Ilmi Fadhillah Rizki, Sheila Khairuna, serta seluruh teman-teman angkatan 2010 dan teman-teman mahasiswa Teknologi Informasi lainnya. Semoga Allah SWT membalas kebaikan kalian.
ABSTRAK
Diabetic retinopathy merupakan komplikasi mikrovaskuler dari penyakit diabetes melitus
yang menyerang pembuluh darah di retina. Karakteristik utama dari diabetic retinopathy adalah mikroaneurisma, pendarahan retina, eksudat, dan neovaskularisasi. Salah satu cara yang digunakan untuk mengidentifikasi diabetic retinopathy adalah pemeriksaan pada citra retina. Adapun pemeriksaan masih dilakukan secara manual oleh dokter mata. Pemeriksaan manual membutuhkan waktu yang lama dan kesalahan identifikasi mungkin terjadi karena beberapa karakteristik diabetic retinopathy sulit untuk dilihat secara langsung, sehingga dibutuhkan suatu metode yang dapat mempermudah dokter mata dalam mengidentifikasi
diabetic retinopathy . Metode yang diajukan pada penelitian ini adalah Modified k-Nearest
Neighbor untuk identifikasi diabetic retinopathy. Sebelum tahap identifikasi dilakukan,
citra retina akan mengalami pre-processing, optic disc elimination, dan feature extraction menggunakan Gray Level Co-occurrence Matrix. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu melakukan identifikasi diabetic retinopathy dengan akurasi 86,4%, sensitifitas 91,6%, dan spesifisitas 80%.
Kata kunci: Identifikasi diabetic retinopathy, optic disc elimination, Gray Level Co- , Modified k-Nearest Neighbor.
occurrence Matrix
DIABETIC RETINOPATHY IDENTIFICATION THROUGH FUNDUS IMAGE
USING MODIFIED K-NEAREST NEIGHBOR
ABSTRACT
Diabetic retinopathy is a microvascular complication of diabetes mellitus which affect the blood vessels in the retina. The main characteristics of diabetic retinopathy are microaneurysms, retinal hemorrhages, exudates, and neovascularization. One way used to identify diabetic retinopathy is the examination of the fundus image. The examination is still done manually by ophthalmologist. Manual examination requires a lot of time and errors may occur during the examination because some characteristics of diabetic retinopathy are hard to be seen directly, so it is needed a method which can help opthalmologist in identifying diabetic retinopathy. The method proposed in this research for identification of diabetic retinopathy is Modified k-Nearest Neighbor. Pre-processing, optic disc elimination, and feature extraction using Gray Level Co-occurrence Matrix will be done before the identification phase. This research shows that the proposed method is able to identify diabetic retinopathy with accuracy of 86,4%, sensitivity of 91,6%, and specificity of 80%. Keyword: diabetic retinopathy identification, optic disc elimination, Gray Level Co- occurrence Matrix, Modified k-Nearest Neighbor.
DAFTAR ISI
Hal.Persetujuan ii
Pernyataan iii
Ucapan Terima Kasih iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel xi
Daftar Gambar xii
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
4
1.6. Metodologi Penelitian
4
1.7. Sistematika Penulisan
5 BAB 2 Landasan Teori
6
2.1. Diabetic Retinopathy
6
2.1.1. Karakteristik diabetic retinopathy
6
2.1.2. Faktor resiko diabetic retinopathy
7
2.1.3. Gejala diabetic retinopathy
22
2.3.6. Erosi
17
2.3.7. Inversi
18
2.3.8. Perkalian Citra
18
2.4. Gray Level Co-occurence Matrix (GLCM)
19
2.4.1. Contrast
2.4.2. Homogenity
2.3.5. Thresholding
23
2.4.3. Energy
23
2.4.4. Entropy
23
2.4.5. Variance
24
2.4.6. Correlation
24
2.5. Modified k-Nearest Neighbor
17
16
8
2.2.2. Citra keabuan (grayscale image)
2.1.4. Pemeriksaan diabetic retinopathy
8
2.1.5. Pencegahan diabetic retinopathy
10
2.1.6. Pengobatan diabetic retinopathy
11
2.2. Citra
12
2.2.1. Citra biner (binary image)
12
13
2.3.4. Perbaikan citra (Image Enhancement)
2.2.3. Citra warna (color image)
14
2.3. Pengolahan Citra
14
2.3.1. Cropping
14
2.3.2. Scaling
15
2.3.3. Grayscaling
15
24
2.6. Penelitian Terdahulu
27 BAB 3 Analisis dan Perancangan
30
3.1. Arsitektur Umum
30
3.2. Dataset
31
3.3. Pre-processing
32
3.3.1. Pemotongan citra (Cropping)
32
3.3.2. Memperkecil ukuran citra (Scaling)
33
3.3.3. Pembentukan citra green channel
33
3.3.4. Peningkatan kualitas citra
34
3.4. Optic Disc Elimination
34
3.4.1. Pembentukan citra biner (Thresholding)
35
3.4.2. Penipisan piksel pada objek (Erosion)
35
3.4.3. Pembentukan citra negatif (Inversion)
37
3.4.4. Perkalian citra
38
3.5. Feature Extraction
38
3.6. Klasifikasi
41
3.7. Perancangan Sistem
42
3.7.1. Perancangan menu sistem
42
3.7.2. Perancangan antarmuka
42 BAB 4 Implementasi dan Pengujian
45
4.1. Implementasi Sistem
45
4.1.1. Spesifikasi perangkat keras dan perangkat lunak yang digunakan
45
4.1.2. Implementai perancangan antarmuka
46
4.1.3. Implementasi data
47
4.2. Prosedur Operasional
48
4.3. Pengujian Sistem
52 BAB 5 Kesimpulan dan Saran
57
5.1. Kesimpulan
57
5.2. Saran
57 Daftar Pustaka
59
DAFTAR TABEL
Hal.Tabel 2.1. Penelitian terdahulu28 Tabel 3.1. Pembagian citra yang digunakan dalam penelitian
31 Tabel 3.2. Pembagian training dataset
31 Tabel 3.2. Pembagian testing dataset
31 Tabel 3.4. Fitur Haralick
40 Tabel 4.1. Rangkuman data citra retina
47 Tabel 4.2. Ukuran kinerja hasil pengujian (Kadah, 2012)
52 Tabel 4.3. Data hasil pengujian
54 Tabel 4.4. Ukuran kinerja hasil pengujian berdasarkan Gold Standard
56
DAFTAR GAMBAR
Hal.21 Gambar 2.11. Matriks kookurensi dengan jarak 1 dan arah 0
36 Gambar 3.8. Citra hasil deteksi optic disc
35 Gambar 3.7. Citra hasil erosion
34 Gambar 3.6. Area optic disc pada citra biner
34 Gambar 3.5. Optic disc pada retina
33 Gambar 3.4. Citra hasil proses contrast stretching
33 Gambar 3.3. Citra green channel
30 Gambar 3.2. Citra retina asli, citra hasil pemotongan secara horizontal, dan citra hasil pemotongan secara vertikal
22 Gambar 3.1. Arsitektur umum dari metode yang diajukan
21 Gambar 2.12. Matriks kookurensi, matriks transpose, dan matriks simetris
20 Gambar 2.10. Citra grayscale dalam bentuk matriks dan matriks framework
Gambar 2.1. Penglihatan orang normal dan penderita diabetic retinopathy19 Gambar 2.9. Jarak antar piksel
14 Gambar 2.8. Arah ketetanggaan antara dua piksel
13 Gambar 2.7. Citra warna
13 Gambar 2.6. Citra keabuan
10 Gambar 2.5. Citra biner
10 Gambar 2.4. Citra Optical Coherence Tomography (OCT)
9 Gambar 2.3. Citra fluorescein angiography
7 Gambar 2.2. Fundus photography
(NEI, 2012)
37
Gambar 3.9. Citra negatif49 Gambar 4.5. Tampilan awal aplikasi pada proses identifikasi
55
53 Gambar 4.10. Grafik perbedaan desired output dan actual output
51 Gambar 4.9. Grafik hasil akurasi pengujian
51 Gambar 4.8. Tampilan zoom citra hasil eliminasi optic disc
50 Gambar 4.7. Tampilan zoom citra hasil contrast stretching
50 Gambar 4.6. Tampilan zoom citra green channel
48 Gambar 4.4. Tampilan utama aplikasi setelah citra retina dipilih
37 Gambar 3.10. Citra negatif, citra hasil proses contrast stretching, dan citra hasil eliminasi optic disc
47 Gambar 4.3.
46 Gambar 4.2. Tampilan utama sistem
44 Gambar 4.1. Tampilan awal sistem
43 Gambar 3.14. Rancangan tampilan utama aplikasi
42 Gambar 3.13. Rancangan tampilan awal aplikasi
39 Gambar 3.12. Struktur menu aplikasi
38 Gambar 3.11. Citra masking