KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME LEARNING MACHINE SKRIPSI AULIYA DOLI RIZKI S

Transkripsi

1 KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME LEARNING MACHINE SKRIPSI AULIYA DOLI RIZKI S PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

2 KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME LEARNING MACHINE SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi AULIYA DOLI RIZKI S PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

3 iii PERSETUJUAN Judul : KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME LEARNING MACHINE Kategori : SKRIPSI Nama : AULIYA DOLI RIZKI S Nomor Induk Mahasiswa : Program Studi : S1 TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Ulfi Andayani, S.Kom., M.Kom Dr. Erna Budhiarti Nababan, M.IT NIP NIP Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Romi Fadillah Rahmat, B.Comp.Sc., M.Sc. NIP

4 iv PERNYATAAN KLASIFIKASI PENDARAHAN OTAK MENGGUNAKAN METODE EXTREME LEARNING MACHINE SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 17 Juli 2017 AULIYA DOLI RIZKI S

5 v UCAPAN TERIMA KASIH Puji dan syukur penulis sampaikan kehadirat Allah SWT, karena berkat 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. Pertama, penulis ingin mengucapkan terima kasih sebesarnya kepada, keluarga tercinta yaitu kedua orang tua Darma Halim Siregar S.E., M.Kes. dan Hartini Koto. Penulis juga mengucapkan terima kasih kepada kedua Kakak penulis dr. Fitri Nur Malini Siregar dan drg. Ade Maya Sari Siregar, Yang Selalu memberikan kasih sayang, saran, motivasi dan doa tiada henti kepada penulis. Kedua, penulis juga mengucapkan terima kasih kepada Ibu Dr. Erna Budhiarti Nababan, M.IT selaku Dosen Pembimbing I dan Ibu Ulfi Andayani, S.Kom., M.Kom selaku Dosen Pembimbing II serta yang telah meluangkan waktunya untuk membimbing penulis sehingga dapat menyelesaikan skripsi ini. Penulis juga mengucapkan terima kasih kepada Bapak Dani Gunawan, S.T., M.T sebagai dosen pembanding pertama dan Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini. Penulis ucapkan terima kasih kepada Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, Dekan dan Wakil Dekan FASILKOM-TI, dan seluruh dosen serta staff pegawai di lingkungan Program Studi S1 Teknologi Informasi, yang telah membantu dan membimbing penulis selama masa perkuliahan. Ketiga, terima kasih penulis ucapkan kepada para sahabat yang selalu hadir memberikan dukungan dan semangat, Novira Indryani G, Clara Srimenda B, M. Noufal Aziz, M. Bagus Hesananta, M. Andrizal S, Rizki Yuda Pratama, Ikram H Simatupang dan Agung Hernowo, Brotherhood. Seluruh teman-teman angkatan 2012, junior dan senior Teknologi Informasi. Semoga Tuhan Yang Maha Esa selalu memberi berkat yang melimpah kepada sahabat tercinta. Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh sebab itu, penulis mengharapkan kritik dan saran yang bersifat membangun. Akhir kata penulis ucapkan terima kasih.

6 vi ABSTRAK Pendarahan otak merupakan suatu kondisi dimana terdapat darah di jaringan otak baik itu di dalam otak maupun area sekitar otak yang dapat mengakibatkan hilang kesadaran dan kematian. Hal-hal yang dapat mengakibatkan terjadinya pendarahan otak, yaitu: Hipertensi, Stroke, Cedera kepala, Tumor pada otak dan lain-lain. Gejala yang timbul ketika menderita pendarahan otak, beberapa diantaranya sakit kepala yang parah, terganggunya penglihatan dan menagalami kelumpuhan dibagian tubuh. Pemeriksaan umum yang dilakukan jika mengalami pendarahan otak dengan menggunakan Computerized Tomography (CT) Scan. Citra yang dihasilkan oleh CT Scan diperiksa secara manual oleh dokter dengan menggunakan kasat mata. sehingga diperlukan metode untuk mengidentifikasi pendarahan otak melalui citra CT Scan otak secara otomatis. Metode yang digunakan dalam penelitian ini yaitu Extreme Learning Machine. Citra CT Scan otak digunakan sebagai masukan untuk proses pengolahan citra. Tahapan citra sebelum diidentifikasi yaitu proses pra pengolahan citra dan Thresholding. Setelah dilakukan pengujian pada penelitian ini, didapatkan kesimpulan bahwa metode yang diajukan memiliki kemampuan dalam mengidentifikasi pendarahan otak yang sangat baik dengan akurasi sebesar 92%. Kata kunci : Pengolahan Citra, Pendarahan Otak, Kecerdasan Buatan, Extreme Learning Machine

7 vii CLASSIFICATION OF BRAIN HEMORRHAGE USING EXTREME LEARNING MACHINE METHOD ABSTRACT Brain hemorrhage is one of the condition where there s blood in the brain tissue not only inside but also in the area around the brain, which can cause lost of consciousness and even death. Several things that could cause brain hemorrhage are : hypertension, stroke, head injury, brain tumor and etc. There are some symptoms of brain hemorrhage such as massive headache, disrupted vision, and paralyzed body. The general examination to detect brain hemorrhage is by using Computerized Tomography (CT) Scan. The image produced from CT scan will be manually checked by a doctor. A method is needed to identify brain hemorrhage image from CT scan automatically. The method proposed in this research is Extreme Learning Machine. CT scan image of the brain is used as the input for the method for image processing. The procedure before identification is pre-processing of the image and threshold. After calibration was done, it can be concluded that the proposed method used in this research have the capability to identify brain hemorrhage very well with an accuracy of 92%. Keywords: Image Processing, Brain Hemorrhage, Artificial Intelligence, Extreme Learning Machine

8 viii DAFTAR ISI PERSETUJUAN iii PERNYATAAN iv UCAPAN TERIMA KASIH v ABSTRAK vi ABSTRACT vii DAFTAR ISI viii DAFTAR TABEL x DAFTAR GAMBAR xi BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Penelitian Batasan Masalah Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 4 BAB 2 LANDASAN TEORI Pendarahan otak Citra Digital Grayscale Scaling Binerisasi Extreme Learning Machine Penelitian Terdahulu 15 BAB 3 ANALISIS DAN PERANCAGAN SISTEM Arsitektur Umum Training dataset 19

9 ix 3.3. Preprocessing Grayscale Scaling Thresholding Binerisasi Klasifikasi Perancangan Sistem Tampilan Sistem Pendarahan Otak 27 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM Kebutuhan Sistem Perangkat Keras dan Perangkat Lunak Implementasi Perancangan Antarmuka Implementasi Data Prosedur Operasional Hasil Processing Sistem Pengujian Sistem 38 BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran 44 DAFTAR PUSTAKA 45

10 x DAFTAR TABEL Tabel 2.1. Penelitian Terdahulu 16 Tabel 3.1. Keterangan Arsitektur ELM 24 Tabel 4.1. Hasil Processing 37 Tabel 4.2. Data Hasil Pengujian 39

11 DAFTAR GAMBAR Gambar 2.1. Otak normal 6 Gambar 2.2. Pendarahan Otak Epidural 7 Gambar 2.3. Pendarahan Otak Subdural 8 Gambar 2.4. Pendarahan Otak Subarachnoid 8 Gambar 2.5. Pendarahan Otak Intrcerebral 9 Gambar 2.6. Citra Digital 10 Gambar 2.7. Arsitektur Extreme Learning Machine 13 Gambar 3.1. Arsitektur Umum 19 Gambar 3.2. Citra Grayscale 20 Gambar 3.3. Citra Scaling 21 Gambar 3.4. Citra Thresholding 21 Gambar 3.5. Citra Binerisasi 22 Gambar 3.6. Arstitektur ELM untuk klasifikasi pendarahan otak 23 Gambar 3.7. Proses Pengujian ELM 26 Gambar 3.8. Perancangan Sistem 28 Gambar 4.1. Tampilan Sistem 30 Gambar 4.2. Pendarahan Otak Epidural 31 Gambar 4.3. Pendarahan Otak Subdural 31 Gambar 4.4. Pendarahan Otak Intracerebral 32 Gambar 4.5. Pendarahan Otak Subarachnoid 32 Gambar 4.6. Otak Normal 33 Gambar 4.7. Tampilan Utama Sistem 33 Gambar 4.8. Tampilan Upload Citra 34 Gambar 4.9. Tampilan Waktu proses 35 Gambar Tampilan Uji Citra 35 Gambar Tampilan Pengolahan Citra 36 Gambar Tampilan Output Sistem 37 Gambar Grafik Hasil Pengujian 39