IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK SKRIPSI WIDYA EKA SANDRI

Transkripsi

1 IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK SKRIPSI WIDYA EKA SANDRI PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

2 IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi WIDYA EKA SANDRI PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

3 ii PERSETUJUAN Judul : IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Kategori : SKRIPSI Nama : WIDYA EKA SANDRI Nomor Induk Mahasiswa : Program Studi : S1 TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Baihaqi Siregar, S.Si., MT Ulfi Andayani, S.Kom., M.Kom NIP NIP Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Romi Fadillah Rahmat, B.Comp.Sc., M.Sc NIP

4 iii PERNYATAAN IDENTIFIKASI RETINOBLASTOMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 18 Juli 2017 WIDYA EKA SANDRI

5 iv UCAPAN TERIMA KASIH Puji dan syukur kehadirat Allah SWT, karena 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. Ucapan terima kasih penulis sampaikan kepada: 1. Bapak Prof. Runtung Sitepu, SH., M.Hum selaku Rektor Universitas Sumatera Utara. 2. Bapak Prof. Dr. Drs. Opim Salim Sitompul, M.Sc selaku Dekan Fasilkom-TI dan Dosen Pembanding I saya. 3. Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc selaku Ketua Program Studi S1 Teknologi Informasi dan Dosen Pembanding II saya. 4. Ibu Ulfi Andayani, S.Kom., M.Kom selaku Dosen Pembimbing I yang telah memberikan bimbingan dan saran kepada penulis. 5. Bapak Baihaqi Siregar, S.Si., MT selaku Dosen Pembimbing II yang telah memberikan bimbingan dan saran kepada penulis. 6. Ayahanda Sarbaini Pasaribu dan Ibunda Indria Lena Harahap yang selalu memberikan doa, kasih sayang, nasehat, dan semangat yang tiada putusnya kepada penulis. 7. Tiara Dwi Sandri, Tamara Tri Sandri dan Morinho Sandri selaku adik-adik saya yang selalu memberikan semangat kepada penulis. 8. Keluarga besar dari ayahanda dan ibunda yang juga selalu memberikan dukungan dan semangat kepada penulis.

6 v 9. Pria yang selalu menemani, memberikan doa, nasehat, yang selalu mendengarkan keluh kesah penulis saat pengerjaan skripsi ini, memberikan dukungan dan semangat kepada penulis, Junianto. 10. Sahabat terbaik sedari SMP Yunita Sari dan INSIEME yang tiada henti memberikan semangat dan dukungan kepada penulis. 11. Sahabat POPIWED Deby Aprilia Sihombing, Priyanka S.Kom, Novira Naili Ulya Siregar, Iin Leo yang selalu memberikan dukungan, mendengar keluh kesah saat pengerjaan skripsi ini, menampung segala hal cerita yang lagi senang, bahagia, sedih, memberikan nasehat dan sebagai saudara yang berbeda orangtua. 12. Senior-senior yang telah membantu, memberikan masukan, dan memotivasi penulis dalam pengerjaan skripsi, M.Suryansyah Manik, S.Kom., Eka Pratiwi Goenfi S.Kom. 13. Teman-teman Teknologi Informasi USU terkhusus angkatan 2013 yang selalu memberi semangat kepada penulis. 14. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu persatu yang telah membantu penyelesaian skripsi ini. Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini. Medan, 18 Juli 2017 Penulis

7 vi ABSTRAK Retinoblastoma (kanker mata) adalah penyakit kanker pada mata yang biasanya diderita oleh anak-anak yang menyerang jaringan saraf tipis yang berada di belakang mata (bagian yang sensitif terhadap cahaya). Retinoblastoma dapat menyerang satu ataupun kedua mata dan merupakan jenis penyakit yang dapat disebabkan oleh mutasi genetik yang biasa disebut dengan retinoblastoma1 (RB1). Pada pemeriksaan fisik yang masih dilakukan secara manual melalui oftalmoskopi oleh dokter atau pakar dilakukan dengan melihat adanya tumor berwarna putih / putih kekuningan pada fundus yang sering dikaitkan dengan peningkatan vaskularisasi. Sehingga diperlukan suatu metode yang digunakan untuk dapat mengidentifikasi penyakit retinoblastoma melalui citra fundus retina secara otomatis. Pada penelitian ini metode yang digunakan yaitu backpropagation neural network dengan input berupa citra fundus retina. Tahapan yang dilakukan dalam mengidentifikasi penyakit retinoblastoma berupa proses pengolahan citra (resize, grayscaling, morphological close operation, dan optic disk elimination), feature extraction dengan metode Gray Level Coocurance Matrix dan kemudian classification menggunakan backpropagation neural network. Setelah dilakukan pengujian pada sistem, maka dapat disimpulkan metode yang digunakan pada penelitian ini memiliki kemampuan untuk mengidentifikasi penyakit retinoblastoma dengan akurasi 90%. Kata kunci : Penyakit retinoblastoma, resize, grayscaling, morphological close opearation, optic disk elimination, gray level coocurance matrix, backpropagation neural network.

8 vii RETINOBLASTOMA DISEASE IDENTIFICATION USING BACKPROPAGATION NEURAL NEWORK ABSTRACT Retinoblastoma (eye cancer) is an eye disease that is usually suffered by children that attack the thin nerve tissue behind the eyes (the part which is sensitive to light). Retinoblastoma can attack one or both eyes and it is a type of disease that can be caused by a genetic mutation called Retinoblastoma1 (RB1). On manual physical examination using ophthalmoscopy by a doctor or an expert there is a yellowish white / white tumor on the fundus that is often caused by the vascularization. That is why it needs a method that can be done to identify retinoblastoma disease through retinal fundus images automatically. In this research the method used is Backpropagation Neural Network using input of retinal fundus image. The stages which is done to identify retinoblastoma disease are image processing (resize, grayscaling, morphological close operation, and optic disk elimination), feature extraction using Gray Level Coocurance Matrix method and then classification using backpropagation neural network. After testing on the system in this research, it was concluded that the method used is able to identify retinoblastoma disease with accuracy 90%. Keyword: Retinoblastoma disease, resize, grayscaling, morphological close opearation, optic disk elimination,gray level coocurance matrix, backpropagation neural network.

9 viii DAFTAR ISI Halaman Persetujuan Pernyataan Ucapan Terima Kasih Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar ii iii iv vi vii viii xi xii Bab 1 Pendahuluan 1.1 Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 5

10 ix Bab 2 Landasan Teori 2.1 Retinoblastoma Penyebab Retinoblastoma Gejala Retinoblastoma Diagnosis Retinoblastoma Pencegahan dan Pengobatan Retinoblastoma Pengenalan Dasar Citra Citra Biner Citra Grayscale Citra Warna Pengolahan Citra Digital Resize Grayscaling Morphological Operator Thresholding Gray-Level Co-Occurrence Matrix Jaringan Saraf Tiruan Backpropagation Penelitian Terdahulu 25 Bab 3 Analisis dan Perancangan Sistem 3.1 Dataset Analisis Sistem Input Proses 29

11 x Preprocessing Feature Extraction Classsification Output Perancangan Sistem Perancangan menu sistem Perancangan antarmuka Perancangan tampilan halaman testing Perancangan tampilan halaman training 37 Bab 4 Implementasi dan Pengujian 4.1 Implementasi Sistem Spesifikasi Perangkat Keras dan Perangkat Lunak Implementasi Perancangan Antarmuka Implementasi Data Prosedur Operasional Pengujian Sistem 56 Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan Saran 64 Daftar Pustaka 65

12 xi DAFTAR TABEL Halaman Tabel 2.1 Penelitian Terdahulu 26 Tabel 4.1 Rangkuman Data Citra Fundus Retina 42 Tabel 4.2 Parameter Backpropagation 57 Tabel 4.3 Hasil Pengujian Identifikasi Retinoblastoma 58

13 xii DAFTAR GAMBAR Halaman Gambar 2.1 Gejala leukocoria pada anak penderita Rb 9 Gambar 2.2 Fundus retina normal 10 Gambar 2.3 Fundus retina dengan retinoblastoma 11 Gambar 2.4 Citra Biner Gambar 2.5 Citra Grayscale Gambar 2.6 Citra Warna Gambar 2.7 Fungsi aktivasi neuron (Negnevitsky, 2005) Gambar 2.8 Arsitektur backpropagation 22 Gambar 3.1 Fundus retina normal (a) 29 Fundus retina retinoblastoma (b) Gambar 3.2 Arsitektur umum 34 Gambar 3.3 Struktur menu sistem 35 Gambar 3.4 Rancangan tampilan halaman menu 36 Gambar 3.5 Rancangan tampilan halaman testing 36 Gambar 3.6 Rancangan tampilan halaman training 38 Gambar 4.1 Tampilan halaman menu 40 Gambar 4.2 Tampilan halaman testing 41 Gambar 4.3 Tampilan halaman training 41 Gambar 4.4 Tampilan halaman training 49 Gambar 4.5 Tampilan ketika salah satu button upload citra diklik 50 Gambar 4.6 Tampilan setelah file citra retina dipilih 50 Gambar 4.7 Contoh isi file DataSetGLCM.txt 51 Gambar 4.8 Contoh isi file weights.txt 52 Gambar 4.9 Tampilan ketika training telah selesai diproses 52

14 xiii Gambar 4.10 Tampilan ketika citra telah dipilih 53 Gambar 4.11 Tampilan setelah citra diproses 54 Gambar 4.12 Hasil citra setelah dilakukan resize citra 54 Gambar 4.13 Hasil citra grayscale 54 Gambar 4.14 Hasil citra morphological close operation 55 Gambar 4.15 Hasil citra thresholding 55 Gambar 4.16 Hasil citra erosion 55 Gambar 4.17 Hasil citra inversion 55 Gambar 4.18 Contoh isi file DataSetGLCM1.txt 56 Gambar 4.19 Grafik hasil pelatihan pemilihan parameter 58