PENGEMBANGAN ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE

Transkripsi

1 PENGEMBANGAN ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) Ahmad Rifa i Rif an., Hendro Nurhadi, Dipl.-Ing.,Ph.D. Teknik Mesin, Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember (ITS), Surabaya, 60111, Indonesia ahmadrifairifan@gmail.com, hndnurhadi@gmail.com Abstrak Dalam keadaan normal, kedua mata manusia bekerja sama saat memandang suatu obyek. Sedangkan pada penderita strabismus, kedua mata memandang tidak searah. Untuk diagnosa awal strabismus, biasanya digunakan metode Hirscberg Test. Metode pemeriksaannya sebagai berikut: Di depan penderita strabismus disorotkan cahaya dari sebuah senter pada jarak 30 cm setinggi mata pasien. Refleks sinar senter pada mata fiksasi diletakkan di tengah pupil. Besarnya sudut kejulingan dapat diketahui dengan melihat pergeseran titik cahaya senter terhadap pusat pupil pada mata pasien dengan bantuan prisma dioptri. Masalah utama dalam diagnosa dengan metode Hirscberg Test adalah hasil pengukuran sangat tergantung pada ketelitian mata pendiagnosa. Padahal hasil diagnosa yang tergantung pada ketelitian indera manusia tidak selamanya bisa diandalkan. Ada kalanya mata manusia mengalami kelelahan, sakit, atau gangguan teknis yang bisa mengurangi keakuratan dari hasil pemeriksaan. Maka diperlukan metode baru untuk menghasilkan diagnosa yang lebih efektif, salah satunya menggunakan teknologi image processing. Penelitian ini bertujuan untuk merancang suatu program yang dapat mendiagnosa besar dan arah kejulingan pada penderita strabismus menggunakan image processing. Kata kunci: Strabismus, Hirscberg, Image Processing, Euclidean. 1. PENDAHULUAN Dalam dunia kedokteran pada dasarnya sudah dikenal istilah medical imaging (pencitraan medis), yaitu salah satu sub-domain dari informatika kedokteran yang memungkinkan dikajinya aspek pengolahan data dan informasi digital pada level jaringan dan organ. Perkembangan teknologi turut mempengaruhi perkembangan dari medical imaging yang hingga saat ini kian memegang peranan penting pada aplikasi-aplikasi yang dibuat untuk mendukung proses diagnosa, evaluasi obat-obatan, riset medis, pelatihan, dan pengajaran dalam bidang medis. Perpaduan perkembangan medical imaging pada akhirnya memungkinkan untuk didapatkannya hasil visualisasi tanpa harus melalui proses tradisional yang memiliki kecenderungan menghabiskan lebih banyak waktu dan tenaga. Padahal kecepatan memperoleh hasil diagnosa terhadap suatu penyakit atau kelainan sangat mempengaruhi kecepatan dalam penanganan kasus tersebut. Strabismus (mata juling) merupakan gangguan letak antar dua mata yang tidak simetris. Dalam kondisi ini, salah satu mata melihat lurus sedangkan mata yang lain melihat lebih ke arah luar, ke arah dalam, ke atas, atau ke bawah. Pada penglihatan yang normal, kedua mata terfokus pada titik yang sama. Otak akan menggabungkan dua image yang ditangkap oleh masing-masing mata dan diolah menjadi gambaran tiga dimensi. Jika salah satu mata juling, maka otak akan menerima dan mengolah dua image yang berbeda. Untuk mendiagnosa strabismus, dokter mata biasanya menggunakan metode Hirscberg Test (uji refleks kornea) yang menggunakan prisma. Di depan penderita strabismus disorotkan cahaya dari sebuah senter pada jarak 30 cm dan setinggi mata pasien. Refleks sinar pada mata fiksasi diletakkan di tengah pupil. Kemudian digunakan bantuan prisma untuk melihat besarnya sudut kejulingan mata. Besarnya sudut dapat diketahui dengan melihat pergeseran titik cahaya senter terhadap pusat pupil pada mata pasien. Masalah utama dalam diagnosa dengan metode Hirscberg Test adalah hasil pengukuran sudut kejulingan sangat tergantung pada ketelitian mata pendiagnosa. Padahal hasil diagnosa yang tergantung pada ketelitian indera manusia tidak selamanya bisa diandalkan. Ada kalanya mata manusia mengalami kelelahan, sakit, atau gangguan teknis yang bisa mengurangi keakuratan dari hasil pemeriksaan. Maka diperlukan metode baru untuk menghasilkan diagnosa yang lebih efektif dan akurat, salah satunya menggunakan teknologi image processing. Penelitian ini bertujuan untuk merancang suatu program yang dapat mendiagnosa besarnya sudut kejulingan pada penderita strabismus menggunakan image processing dengan metode Euclidian distance. 1

2 2. METODE 2.1 Diagram Alir Penelitian secara Global Pada penelitian Tugas Akhir ini bertujuan untuk mendeteksi besarnya sudut deviasi kejulingan secara otomatis dengan menggunakan citra digital camera yang diolah dengan image processing. Maka untuk memenuhi tujuan dari penelitian Tugas Akhir ini dibuat diagram alir penelitan sebagai berikut. CASIA memiliki data sekunder yang bisa diakses oleh public dalam beberapa jenis sampel. Jenis sampel ini dibedakan berdasarkan nir led yang digunakan. Beberapa jenis data CASIA antara lain: CASIA-Iris Interval yang memuat image grayscale dari mata yang disertai sinar nir led pada pupil, CASIA-Iris Lamp yang tanpa menggunakan circular nir led, serta CASIA-Iris Twins yang menggunakan dua titik nir led. Berikut spesifikasi dari data yang berasal dari CASIA. Studi Literatur Pengambilan Citra Perancangan Program untuk Mendeteksi Besarnya Penyimpangan Cahaya Terhadap Pusat Pupil Analisa Output Kesimpulan dan Saran Gambar 2.1 Diagram alir penelitian secara global 2.2 Prosedur Pengambilan Data Pada tugas akhir ini citra yang dibutuhkan adalah pupil dan refleks cahaya pada mata. Sampel citra iris mata yang digunakan dalam tugas akhir ini adalah data secunder yang diambil secara offline yaitu dari CASIA (Chinese Academy of Science Institute of Automation) image dataset. Citra mata ini sudah dalam bentuk grayscale. Program ini nantinya direncanakan untuk digunakan pada alat yang biasa digunakan pada iris recognition, yakni yang dapat membedakan antara lingkar pupil dengan lingkar iris secara jelas. Karena pupil memiliki nilai keabuan yang lebih tinggi dibanding bagian mata yang lain. Dengan ini sangat dimungkinkan untuk dilakukan proses penglokasian pupil dengan lebih mudah. Penglokasian pupil inilah yang nantinya dijadikan informasi untuk mendapatkan titik pusat pupil. Titik pusat pupil dijadikan sebagai titik acuan untuk mendeteksi besar kejulingan serta kemana arah kejulingan. Table 2.1 Spesifikasi Citra Mata CASIA 2.3 Algoritma Perangkat Lunak Dalam perancangan perangkat lunak ini digunakan algoritma sebagai dasar dalam proses pengenalan citra iris mata. Algoritma dari perangkat lunak ini yaitu : Pengambilan Pendeteksian Pupil Pendeteksian Refleks Cahaya Display Jarak dan Sudut Gambar 2.2 Diagram alir algoritma software 2

3 Diagram alir dari algoritma diatas dapat dijelaskan sebagai berikut : 1. Pengambilan citraformat citra yang digunakan adalah format (.jpg) yang sudah dalam bentuk grayscale. 2. Pendeteksian pupil Tahap pendeteksian pupil mata ini digunakan untuk mendapatkan titik tengah dari pupil. Titik tengah inilah yang nantinya dijadikan sebagai titik acuan untuk menentukan berapa pergeseran titik refleks cahaya. 3. Pendeteksian titik refleks cahaya Tahap ini untuk mendeteksi letak refleks sinar pada retina. Titik ini nantinya dicari pergeserannya terhadap titik pusat pupil. 4. Pendeteksian jarak geser refleks cahaya terhadap titik pusat pupil Pergeseran refleksi cahaya pada retina diukur berdasarkan titik tengah dari lingkar pupil. Pendeteksian jarak antara titik tengah pupil dengan refleksi cahaya dapat dilakukan dengan metode euclidean distance. 5. Mencari lokasi sudut pergeseran Setelah lokasi pergeseran ditemukan, maka langkah selanjutnya yaitu mendeteksi sudut yang dibentuk oleh jarak yang menghubungkan titik pusat pupil dengan titik refleks cahaya, dengan sumbu-x positif. 2.4 Tahap Pendeteksian Pupil Berikut ini adalah langkah langkah yang dilakukan dalam tahap penglokasian pupil mata. Diagram alir proses ini adalah sebai berikut : Citra Grayscale Citra Biner Dilasi, Filling, Clearborder Pendeteksian Titik Tengah Pupil Gambar 2.3 Deteksi Titik Tengah Pupil Mata Dari diagram alir di atas dapat dijelaskan sebagai berikut: 1. Citra grayscale Proses pengambilan citra dengan format (.jpg ) dalam bentuk citra grayscale. 2. Citra Biner Citra grayscale diubah menjadi citra biner yang hanya memiliki nilai 0 dan Dilasi Dilasi digunakan untuk mengisi menambahkan piksel pada batasan dari objek dalam suatu gambar sehingga nantinya apabila dilakukan operasi ini maka gambar hasilnya lebih besar ukurannya dibandingkan dengan gambar aslinya. 4. Filling Pada operasi ini, dilakukan pengisian pada objek suatu citra sehingga diperoleh segmen objek yang solid. Prosesnya dimulai dengan menentukan titik awal pengisian yang terletak di dalam objek, kemudian bergerak ke arah titik-titik tetangganya. 5. Clear Border Operasi morfologi terakhir yang dilakukan yaitu operasi clearborder. Operasi ini dgunakan untuk mereduksi objek yang berada di dekat border. Pada penelitian ini operasi clearborder digunakan karena pada sampel pencahayaan yang mengenai kelopak mata cukup tinggi. Hal ini sangat mengganggu proses pendeteksian titik refleks cahaya. Karena titik refleks cahaya berada pada daerah yang relatif tengah, sehingga operasi ini tidak akan menghilangkan titik refleks cahaya. 6. Penentuan Titik Pusat Pupil Operasi find digunakan untuk mencari lokasi koordinat dari sebuah gambar yang memiliki nilai non zero. Karena citra telah diproses menjadi citra biner yang bernilai 0 dan 1, maka operasi find ini dapat mendeteksi lokasi image yang bernilai 1. Setelah terdeteksi lokasi pupil, maka langkah selanjutnya yaitu mendeteksi titik tengah dari pupil dengan cara 3

4 membagi fungsi sum dari posisi koordinat x dan y dengan nilai sum value areanya. 2.5 Tahap Pendeteksian Refleks Cahaya Berikut ini adalah langkah langkah yang dilakukan dalam tahap pendeteksian refleks sinar senter pada retina mata. Diagram alir proses ini adalah sebagai berikut : Citra Grayscale Citra Biner Dilasi, Filling, Clearborder Kontras Filling Clearborder Deteksi lokasi refleks cahaya Gambar 3.5 Diagram Alir Pendeteksian Refleks Sinar Dari diagram alir di atas dapat dijelaskan sebagai berikut: 1. Citra grayscale Proses pengambilan citra dengan format (.jpg ) dalam bentuk citra grayscale. 2. Citra Biner Citra grayscale diubah menjadi citra biner yang hanya memiliki nilai 0 dan Dilasi Dilasi digunakan untuk mengisi menambahkan piksel pada batasan dari objek dalam suatu gambar sehingga nantinya apabila dilakukan operasi ini maka gambar hasilnya lebih besar ukurannya dibandingkan dengan gambar aslinya. 4. Filling Pada operasi ini, dilakukan pengisian pada objek suatu citra sehingga diperoleh segmen objek yang solid. Prosesnya dimulai dengan menentukan titik awal pengisian yang terletak di dalam objek, kemudian bergerak ke arah titik-titik tetangganya. 5. Clear Border Operasi morfologi terakhir yang dilakukan yaitu operasi clearborder. Operasi ini dgunakan untuk mereduksi objek yang berada di dekat border. Pada penelitian ini operasi clearborder digunakan karena pada sampel pencahayaan yang mengenai kelopak mata cukup tinggi. Hal ini sangat mengganggu proses pendeteksian titik refleks cahaya. Karena titik refleks cahaya berada pada daerah yang relatif tengah, sehingga operasi ini tidak akan menghilangkan titik refleks cahaya. 6. Penentuan Titik Pusat Pupil Setelah terdeteksi lokasi titik refleks cahaya, maka langkah selanjutnya yaitu mendeteksi titik tengah dari refleks cahaya dengan cara membagi fungsi sum dari posisi koordinat x dan y dengan nilai sum value areanya. 3. HASIL UJI COBA Setelah titik refleks cahaya dengan titik pusat pupil diketahui, maka langkah selanjutnya yaitu mencari jarak antara kedua titik tersebut sebagai dasar untuk menentukan besarnya tingkat kejulingan. Pencarian jarak kedua titik tersebut menggunakan metode euclidian distance, yakni dengan menggunakan value dari kedua titik sebagai parameter pada fungsi dist. Setelah jarak kedua titik diketahui, langkah berikutnya yaitu mencari kemana arah kejulingan dari mata pasien. Arah juling bisa saja mengarah menuju keempat kuadrant, sehingga range sudut jika diukur dengan sumbu-x positif sebagai titik acuan (sudut 0) maka nilainya bisa digunakan 0 hingga 360 o. Pencarian sudut ini menggunakan fungsi cartesian to polar, yakni sebuah fungsi pada matlab yang digunakan untuk mentransform dari koordinat kartesian ke polar. Parameter yang diperlukan pada fungsi cart to pol yaitu nilai daru x dan y. Dari kedua nilai ini, diperoleh besar r dan besar sudut yang dibentuk oleh garis r dengan sumbu-x positif. 4

5 Gambar 3.1 Deteksi Jarak Pusat Pupil dan Refleks Cahaya serta Sudutnya Melalui program yang telah dibuat, kemudian diuji coba melalui sample yang telah direncanakan. Diambil sebanyak 20 sample yang berasal dari data CASIA-Iris Lamp dengan diberi refleks cahaya secara manual pada beberapa posisi. Titik refleks cahaya ditempatkan pada lokasi sembarang dengan persebaran lokasi dan jarak di keempat kuadrant. Dari dua puluh sample tersebut diperoleh hasil pengukuran sebagai berikut: Salah satu kekurangan dari penelitian ini yaitu tidak tersedianya data hasil pengukuran dengan metode manual. Sehingga tidak bisa dilakukan pengujian berapa akurasi dari hasil diagnosa program dengan hasil pengukuran secara manual. Tetapi secara konsep program ini sudah mewakili hasil pengukuran besar kejulingan dari mata strabismus, dan dari prosedur yang dilakukan, program ini memungkinkan untuk mencapai ketelitian yang lebih tinggi dibanding yang dilakukan melalui metode Hirshberg. Kelebihan lain dari program ini disamping metode pengujian Hirsberg yaitu adanya penentuan ke arah mana pergeseran dari mata yang juling. Dari dua kelebihan tersebut akhirnya dapat disimpulkan bahwa program ini bisa dikembangkan sebagai sebuah metode baru untuk mendiagnosa besar dan lokasi strabismus secara otomatis, untuk menggantikan metode Hirsberg. 4.3 Pemberian Noise Pada Sample Untuk menguji repeating accuration, maka software yang telah dibuat diuji coba untuk mendeteksi sample yang telah diberi noise secara manual. Dari keseluruhan sample diberi bermacam-macam noise, antara lain: 1. Noise guratan warna, yaitu pemberian noise berupa guratan tidak beraturan pada gambar secara acak. Guratan yang diberikan berupa guratan dari beragam warna kecuali warna hitam dan putih. 2. Noise brightness, yaitu dengan menurunkan brighnessnya dibawah sampel awal. Pemberian brightness ini memberi efek lebih gelap dibanding sampel awal. 3. Noise contrast, yaitu pemberian noise dengan menaikkan contrastnya. Pemberian noise ini memberi efek lebih terang dibanding sampel awal 4. Noise stretch, yaitu pemberian noise dengan merentangkan sample ke arah horizontal dan ke arah vertical. Pemberian noise ini mengakibatkan gambar tampak lebih lonjong ke arah mendatar dan vertical. Dari seluruh sample yang diberikan bermacam noise di atas, menunjukkan bahwa program yang telah dibuat masih mampu mendeteksi jarak dan sudut juling dengan baik. Hal ini tampak dari hasil pengukuran yang besarnya sama dengan hasil sebelum diberi noise. Tabel 3.1 Hasil Pengukuran Jarak Pergeseran dan Sudut pada Sample 1 SIMPULAN Dari hasil uji coba yang dilakukan, didapatkan beberapa simpulan sebagai berikut: Proses yang digunakan untuk mendapatkan besar dan arah kejulingan yaitu dengan mendeteksi koordinat titik tengah pupil dan 5

6 koordinat titik refleks cahaya. Setelah titik refleks cahaya dengan titik pusat pupil diketahui, maka langkah selanjutnya yaitu mencari jarak antara kedua titik tersebut sebagai dasar untuk menentukan besarnya tingkat kejulingan. Pencarian jarak kedua titik tersebut menggunakan metode euclidian distance, yakni dengan menggunakan value dari kedua titik sebagai parameter pada fungsi dist. Setelah jarak kedua titik diketahui, langkah berikutnya yaitu mencari kemana arah kejulingan dari mata pasien. Arah juling bisa saja mengarah menuju keempat kuadrant, sehingga range sudut jika diukur dengan sumbu-x positif sebagai titik acuan (sudut 0) maka nilainya bisa digunakan 0 hingga 360 o. Pencarian sudut ini menggunakan fungsi cartesian to polar, yakni sebuah fungsi pada matlab yang digunakan untuk mentransform dari koordinat kartesian ke polar. Parameter yang diperlukan pada fungsi cart to pol yaitu nilai daru x dan y. Dari kedua nilai ini, diperoleh besar r dan besar sudut yang dibentuk oleh garis r dengan sumbu-x positif. Berdasarkan prosedur diagnosa yang dilakukan, program ini memungkinkan untuk mencapai ketelitian yang lebih tinggi dibanding yang dilakukan melalui metode Hirshberg. Selain itu, program ini juga mendeteksi ke arah mana pergeseran dari mata juling. Dari dua kelebihan tersebut akhirnya dapat disimpulkan bahwa program ini bisa dikembangkan sebagai sebuah metode baru untuk mendiagnosa besar dan lokasi strabismus. Diharapkan kedepannya tercipta sebuah hardware system diagnosa strabismus sehingga software yang telah dibuat dapat diaplikasikan secara langsung. Selain itu juga dimungkinkan dilakukan pengembangan terhadap program ini sehingga dapat digunakan database selain dari database CASIA atau bisa dengan secara langsung mengambil citra mata dengan kamera digital. [4]. Ilyas, Sidarta Dasar-Dasar Pemeriksaan Dalam Ilmu Penyakit Mata. Jakarta: Balai Penerbitan FKUI [5]. Fadlisyah Computer Vision dan Pengolahan Citra. Yogyakarta : CV ANDI OFFSET [6]. Oen, L.H Cermin Dunia Kedokteran.Jakarta: PT. Kalbe Farma [7]. Wibowo, Eri Prasetyo The Detection Of Line Using Canny Method With Matlab To Distinguish Between The Original And The Counterfeit Money. Gunadarma University. [8]. Kurniawan, Harry Perancangan Program Pengenalan Wajah Menggunakan Fungsi Jarak Metode Euclidean Pada Matlab.Laboratorium Komputasi Sistem Cerdas (Lab KSC) Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia DAFTAR PUSTAKA [1]. Gonzalez Rafael C, Woods Richard E Digital Image Processing. University of Tenesse. Addison Wesley Publishing Company [2]. A.A. K. Oka Sudana, D.M. Wiharta, Mahardhika Tirta Sistem Verifikasi Sidik Jari Dengan Metode Pencocokan Berbasis Bank Gabor Filter. Staf Pengajar Teknik Elektro, Fakultas Teknik, Universitas Udayana [3]. Marvin Ch. Wijaya, Prijono Agus Pengolahan Citra Dijital Menggunakan Matlab. Bandung : Informatika Bandung 6