TRANSFORMASI WAVELET DAN ADAPTIVE NEIGHBORHOOD BASED MODIFIED BACKPROPAGATION (ANMBP) UNTUK KLASIFIKASI DATA MAMMOGRAM

Transkripsi

1 SCAN VOL. IX NOMOR JUNI 04 ISSN : TRANSFORMASI WAVELET DAN ADAPTIVE NEIGHBORHOOD BASED MODIFIED BACKPROPAGATION (ANMBP) UNTUK KLASIFIKASI DATA MAMMOGRAM Indah Wrdiningih Program Studi Sitm Informai, Fakulta Sain dan Tknologi Univrita Airlangga Surabaya indah_wrdiningih@yahoo.co.id Abtrak. Adativ Nighborhod Bad Modifid Backroagation (ANMBP) mruakan alah atu mtod untuk klaifikai. Tuuan nlitian ini adalah untuk mngklaifikaikan data mammogram mnggunakan ANMBP. Klaifikai dibagi mnadi tiga katgori, yaitu normal dan tidak normal, maa dan mikrokalifikai, inak dan gana. Klaifikai data mammogram mliuti rrocing, ktraki fitur dan klaifikai. Prrocing mnggunakan thrholding dan hitogram qualization. Ektraki Fitur mnggunakan tranformai wavlt dan klaifikai mnggunakan ANMBP. Hail dari tranformai wavlt brua kofiin nrgi. Kofiin nrgi yang digunakan 00, 500, 000 dan Hail klaifikai mnunukkan bahwa maa daat diknali dngan baik mnggunakan kofiin nrgi 00 dan mikrokalifikai daat diknali dngan baik mnggunakan kofiin nrgi Hail training dngan artificial nural ntwork untuk mikrokalifikai inak dan mikrokalifikai gana itrai brhnti ada och k-666 dngan rror bar dangkan hail training dngan nural ntwork blum konvrgn amai itrai dngan rror Kata Kunci : Klaifikai, ANMBP, maa, mikrokalifikai. Kankr ayudara bagai ni kankr yang aling banyak ditmui ada wanita. Mnurut WHO, rnta wanita yang mngalami kankr ayudara kitar 8 9 %[]. Salah atu cara yang haru dilakukan wanita agar trhindar dari kankr ayudara adalah dngan dtki dini, mialnya dngan SADARI, yaitu mrikaan ayudara ndiri atau dngan mlakukan mammografi (ayudara X-ray)[] Kankr atau tumor gana dibabkan adanya maa atau mikrokalifikai ada ayudara[3]. Maa adalah gumalan yang rtumbuhan l yang brlbihan. Mikrokalifikai adalah bintik kcil kalium di ayudara. Mammogram (ayudara X-ray) diangga bagai gambar mdi yang aling daat digunakan untuk mndtki kankr ayudara cara dini [4]. Pro klaifikai data yang dirolh dari data hitory mruakan alah atu mata laaran yang aling intnif dilaari dalam ilmu kutuan dan ilmu komutr. Pro klaifikai data tlah ditrakan dalam maalah kdoktran, ilmu manaman dan oial rta ilmu rkayaa. Maalah yang ring tradi dalam nggunaan tknik klaifikai adalah diagnoa nyakit, ngnalan gambar, dan valuai krdit [5]. Tranformai wavlt daat digunakan untuk mngktrai data mammogram. Tingkat klaifikai mammogram daat mncaai rforma yang trbaik dngan mnggunakan fitur mikrokalifikai. Tranformai wavlt mnggunakan dtail informai frkuni tinggi hingga fitur mikrokalifikai daat diknali dngan baik. Tranformai wavlt mnggunakan dkomoii wavlt hingga daat mngurangi noi [6]. Klaifikai data mammogram mnggunakan Adativ Nighborhod Bad Modifid Backroagati on (ANMBP). ANMBP mnggunakan adativ larning rat, random nighborhood ada hiddn layr and adativ wight dngan mnumlahkan rror linir dan non linir. ANMBP daat mnghindari lokal minima hingga daat mmrcat konvrgni [7] Brdaarkan uraian diata maka tuuan nlitian ini adalah untuk mngklaifikai data mammogram dngan mnggunakan tranformai wavlt dan ANMBP. Dngan mnggabungkan mtod tranformai wavlt dan ANMBP diharakan daat mmrcat 5

2 SCAN VOL. IX NOMOR JUNI 04 ISSN : konvrgni dalam mngklaifikai data mammogram. I. METODOLOGI Kankr ayudara Kankr ayudara dimulai ada darah ayudara (brat) kmudian mnybar k klnar gtah bning (lymh nod) ktiak. Jika ada ayudara ditmukan gumalan kankr dan blum mnybar k klnar gtah bning ktiak maka kankr haru gra diorai agar tidak mnybar mlalui aliran darah k luruh tubuh[8]. Bila tradi gala trbut biaanya doktr akan mnyarankan untuk dilakukan mrikaan mammografi dngan mammogram. Maa Maa adalah gumalan dari rtumbuhan l yang brlbihan. Maa trdiri dari inak dan gana. Maa inak dan gana daat dibdakan dari atributnya rti margin, kadatan dan lokai [3]. Jika mmiliki kadatannya rndah, bntuk bulat, margin yang halu dan taam maka dikatgorikan maa inak. Jika mmiliki kadatan tinggi, brbntuk rti bintang, brcabang dan margin yang kurang baik dikatgorikan maa gana. Gambar mnunukkan dua contoh maa (a) maa inak dan maa gana. (a) Gambar. Maa (a) maa inak. maa gana. Mikrokalifikai Mikrokalifikai adalah bintik kcil kalium di ayudara. Mikrokalifikai muncul ndiri atau dalam klomok. Mikrokalifikai trdiri dari inak dan gana. Mikrokalifikai inak dan gana daat dibdakan dari atributnya rti ukuran, bntuk, kadatan, ola ditribui anybaran dan umlah mikrokalifikai [3]. Mikrokalifikai inak biaanya brukuran bar, kaar, bulat atau oval, dan mmiliki ukuran dan bntuk yang ama dan biaanya trbar atau mnybar. Mikrokalifikai gana biaanya ukurannya kcil, brcabang, brbntuk rti bintang, ukuran dan bntuk brvariai, brklomok atau mnglomok, dan umlahnya tak trhitung banyaknya. Gambar mnunukkan (a) mikrokalifikai inak dan mikrokalifikai gana. (a) Gambar. Mikrokalifikai (a) Mikrokalifikai inak Mikrokalifikai gana. Tranformai wavlt Tranformai mruakan uatu ro ngubahan data mnadi bntuk lain hingga mudah dianalia. Tranformai wavlt mruakan gnraliai dari tranformai Fourir [9]. Tranformai wavlt mruakan ro mngubah inyal k dalam brbagai glombang wavlt ali (mothr wavlt) dngan brbagai rgran dan nykalaan. Tranformai wavlt trdaat itilah dkomoii. Dkomoii wavlt didaatkan mlalui naian ubbidang brkanal dua dngan dua tai, yaitu tai rrata atau nykala atau dibut tai lolo-rndah (Ho) dan tai dtil atau tai lolo-tinggi (Hi) [9]. Konvolui citra tai lolo-rndah mnghailkan inyal yang biaa dibut dngan citra ndkatan (aroximation imag) dan konvolui dngan tai lolo-tinggi ada arah ifik mnghailkan citra dtil (dtail imag). Ti wavlt yang akan digunakan adalah Daubchi. Outut dkomoii wavlt adalah vktor dkomoii C dan matrik S [C, S]. Vktor dkomoii trdiri dari tiga vktor kofiin dtail, vktor kofiin dtail horizontal H, vktor kofiin dtail vrtikal dan vktor kofiin dtail diagonal, dan atu aroximai adalah vktor bari. Adatif nighborhood modifid backroagation (anmb) ANMBP mruakan modifikai backroagai yang mnggunakan adativ larning rat, random nighborhood ada hiddn layr rta adativ wight. Algoritma yang digunakan latihan dan nguian yang 6

3 SCAN VOL. IX NOMOR JUNI 04 ISSN : digunakan bagai brikut [7]. Nilai Nt digunakan daat dilihat ada ramaan. n u w i i, () dngan fungi aktivai igmoid binr, maka oututnya daat dilihat ada ramaan. f ( u ) y u ( ), () w i dngan n mnunukkan umlah nuron dan adalah bobot dari nuron k i dari layr (-) k nuron k dari layr. Pada algoritma modifikai nural ntwork digunakan E yang mruakan numlahan dari kuadrat rror linir dan non linir dari outut. n n E ( ) ( ), (3) dimana λ adalah kofiin bobot dan rror nonlinir ( ). Error nonlinir ( ) adalah liih antara outut yang diharakan (d) dan outut yang dihailkan (y). d y (4) dan rror linir ( ) adalah ld u (5) ld ( f d ), (6) Shingga rubahan bobot ada layr outut adalah : E i W i (7) y u i W W i y u i u W i i y i ' ( ) w i f u. (8) Error linir dan non linir ada hiddn layr (L) [7] adalah : nl L ' L f ( ur ) r nl r L ir w L r (9) L L L L f ( u )) r wr, (0) hingga rubahan bobot ada hiddn layr adalah : L L L ' L L L i f ( u ). () Paramtr larning μ dan μλ diganti dngan aramtr adativ(9) yaitu : ' ' dimana y J y y J y d y dan J T () (3) y hingga aramtr adativ larning mnadi ramaan 4 dan 5. ' ' f ( u ) (4) ' ' f ( u ), (5) dimana μ, λ adalah kontanta dngan nilai kcil oitif dan ε kontanta dngan nilai kcil oitif untuk mnamin ktidaktabilan ktika rror mnuu 0. Pmilihan nilai μ, λ dan ε dilakukan cara brtaha untuk mndaatkan hail yang otimal. Shingga rubahan bobot ada layr outut dan layr hiddn mnadi ' ' ' ( ) w i f u, (6) dngan rubahan bobot trbut, maka bobot baru dihitung brdaarkan ramaan w( t ) w( t) w( t), (7) Aritktur ANMBP trlihat ada Gambar 3. Nighborhood akan dibntuk cara acak ada hiddn layr dngan umlah nuron yang ama hingga mmbutuhkan orai dan mmori yang minimum aat digunakan. Nighborhood untuk mminimalkan waktu dan bobot lama latihan. Nod yang mmiliki gari utuutu k outut mauun inut mruakan Nighborhood. Gambar 3. Nighborhood. i 7

4 SCAN VOL. IX NOMOR JUNI 04 ISSN : Rancangan itm Rancangan itm untuk diagnoi kankr ayudara ditunukkan dngan diagram blok itm ada Gambar 4. Sitm yang dibangun mliuti rrocing, fitur ktraki dan ro klaifikai. Prrocing trdiri dari thrholding dan hitogram qualization. Fitur ktraki trdiri dari dkomoii imag, ktraki kofiin, normaliai, nrgi komutai, dan rduki kofiin [6]. Data yang digunakan dalam nlitian ini diambil dari Mammograhic Imag Analii Socity (MIAS). Databa trbut trdaat 04 gambar, yang trdiri dari mnadi normal banyak 40 gambar dan 64 tidak normal. Katgori tidak normal trdiri dari maa banyak 40 dan mikrokalifikai banyak 4. Maa trdiri dari maa inak banyak 4 dan gana banyak 6 dangkan mikrokalifikai inak banyak dan gana banyak. Ektraki kofiin mruakan ngmbalian vktor dtail kofiin horizontal H, vrtikal V, dan diagonal D ada lvl N dngan mngabaikan lvl. Hal trbut dilakukan karna dkomiii wavlt lvl mmunyai dtail frkuni dan noi yang banyak. Normaliai adalah dngan mmbagi maing-maing vktor dngan nilai makimum maing-maing vktor. Langkah lanutnya adalah mmrolh nrgi komutai. Enrgi dirolh dngan mngkuadratkan tia lmn dalam vktor. Sgmn rogram untuk mnghailkan nrgi komutai bagai brikut :Stlah dirolh nrgi komutai, langkah lanutnya adalah rduki fitur. Rduki fitur dilakukan dngan mnumlahkan nilai nrgi yang tlah didfiniikan blumnya. Dalam hal ini diuulkan uatu ndkatan rduki fitur, yaitu :. Mnumlahkan 5000 nilai nrgi r fitur.. Mnumlahkan 000 nilai nrgi r fitur. 3. Mnumlahkan 500 nilai nrgi r fitur. 4. Mnumlahkan 00 nilai nrgi r fitur. II. HASIL UJI COBA DAN ANALISIS Ukuran gambar yang digunakan yaitu 800x800 ikl. Langkah rtama adalah thrholding, yaitu mngubah bata bawah dan bata ata mnadi nol [6]. Hail thrholding dari maa inak dan gana daat dilihat ada Gambar 5 dan hail thrholding dari mikrokalifikai inak dan gana daat dilihat ada Gambar 6. Brdaarkan Gambar 4 dan 5, maa dan mikrokalifikai diknali dngan baik dngan mngunakan bata bawah 0 dan bata ata 40. Langkah brikutya adalah hitogram qualization. Hitogram qualization yaitu mmtakan gambar inut k gambar outut hingga nilai-nilai abu-abu ada gambar outut mrata [9]. Hail Hitogram Equalization ditunukkan ada Gambar 7. Stlah rrocing, langkah lanutnya adalah fitur ktraki. Hail ktraki fitur, yaitu kofiin nrgi 5000 mnghailkan 36 nrgi, kofiin nrgi 000 mnghailkan 65 nrgi, kofiin nrgi 500 mnghailkan 34 nrgi, dan kofiin nrgi 00 mnghailkan 60 nrgi. Enrgi trbut yang akan digunakan untuk inut dalam ANMBP. Aritktur ANMBP mnggunakan inut layr banyak nrgi yang dihailkan, hiddn layr yang digunakan banyak 80 nod, dan outut layr yang digunakan banyak nod. Gambar 4 Diagram blok itm. 8

5 SCAN VOL. IX NOMOR JUNI 04 ISSN : (a) Gambar 5. Prubahan thrholding (a) maa inak maa gana Gambar 6. Prubahan thrholding (a) mikrokalifikai inak mikrokalifikai gana Sknario ui coba yang dilakukan, yaitu ui coba ngaruh kofiin nrgi untuk katgori normal dan tidak normal, katgori maa dan mikrokalifikai, katgori inak dan gana ada maa dan mikrokalifikai, dan ui coba nural ntwork brdaarkan nrgi komutai yang trbaik dari maing-maing katgori. Katgori normal dan tidak normal Ui coba mnggunakan brbagai macam nrgi, yaitu 5000, 000, 500 dan 00. Hail klaifikai daat dilihat ada Tabl. Brdaarkan Tabl, mnunukkan bahwa hail trbaik dirolh dngan mnggunakan 00 nrgi dngan rror ada och k 99. Katgori maa dan mikrokalifikai Ui coba mnggunakan brbagai macam nrgi, yaitu 5000, 000, 500 dan 00. Hail klaifikai daat dilihat ada Tabl. Brdaarkan Tabl, mnunukkan bahwa hail trbaik dirolh dngan mnggunakan 000 nrgi dngan rror ada och k 574. Gambar 7. Prubahan hitogram qualization Tabl. Hail klaifikai katgori normal dan tidak normal Kofiin Error Eoch Normal Tidak Normal (%) (%) Tabl. Hail klaifikai katgori maa dan mikrokalifikai Kofiin Error Eoch Maa Mikrokalifikai (%) (%)

6 SCAN VOL. IX NOMOR JUNI 04 ISSN : Tabl 3. Hail klaifikai katgori maa inak dan maa gana Mikrokalifikai Mikrokalifikai Kofiin Error Eoch Jinak (%) Gana (%) Tabl 4. Hail klaifikai katgori maa inak dan maa gana Kofiin Error Eoch Maa Maa Jinak (%) Gana (%) Tabl 5 Hail rbandingan ANMBP dan nural ntwrok Katgori Normal dan tidak Normal Eoch Error Akurai Normal (%) Tidak Normal (%) ANMBP Nural Ntwork Katgori Maa dan Mikrokalifikai Akurai Eoch Error Mikrokalifikai Maa (%) (%) ANMBP Nural Ntwork Katgori Maa Jinak dan Maa Gana Eoch Error Akurai Jinak (%) Gana (%) ANMBP Nural Ntwork Katgori Mikrokalifikai Jinak dan Mikrokalifikai Gana Eoch Error Akurai Jinak (%) Gana (%) ANMBP Nural Ntwork Katgori maa inak dan maa gana Ui coba mnggunakan brbagai macam nrgi, yaitu 5000, 000, 500 dan 00. Hail klaifikai daat dilihat ada Tabl 3. Brdaarkan Tabl 3, mnunukkan bahwa hail trbaik dirolh dngan mnggunakan 5000 nrgi dngan rror ada och k 666. Katgori mikrokalifikai inak dan gana Ui coba mnggunakan brbagai macam nrgi, yaitu 5000, 000, 500 dan 00. Hail klaifikai daat dilihat ada Tabl 4. Brdaarkan Tabl 4, mnunukkan bahwa hail trbaik dirolh dngan mnggunakan 00 nrgi dngan rror ada och k 433. Prbandingan dngan nural ntwork Brdaarkan uraian diata, uicoba dngan mnggunakan nural ntwork untuk tia-tia katgori adalah katgori normal dan tidak normal mnggunakan 00 kofiin r fitur, maa mnggunakan 00 kofiin r fitur, mikroklaifikai mnggunakan 5000 kofiin r fitur. Brdaarkan hail ui coba, dirolh och dan rror yang dihailkan antara ANMBP lbih kcil dari ada och ada nural ntwork hingga untuk mncaai konvrgn ANMBP lbih cat dibandingkan nural ntwork. 0

7 SCAN VOL. IX NOMOR JUNI 04 ISSN : Akurai dari maing-maing katgori ANMBP lbih bar dariada nural ntwork. ANMBP daat mmrcat konvrgn dan mningkatkan akurai untuk mngklaifikai data mammogram. Tabl 5 mrrntaikan dari hail uicoba rbandingan nural ntwork dan ANMBP. III. SIMPULAN Brdaarkan hail ui coba yang dilakukan daat diimulkan bahwa : Ektraki fitur yang digunakan untuk klaifikai data mammogram mnggunakan tranformai wavlt. Ektraki fitur mnghailkan vktor fitur yang akan digunakan untuk ro klaifikai. Vktor fitur yang dihailkan untuk kofiin nrgi 5000 banyak 36 nrgi, kofiin nrgi 000 banyak 65 nrgi, kofiin nrgi 500 banyak 34 nrgi dan kofiin nrgi 00 banyak 60 nrgi. Kofiin nrgi 00 daat digunakan untuk mngnali maa dngan baik karna ukuran maa yang bar dan brbntuk halu hingga ulit untuk diknali dngan kofiin nrgi yang bar. Kofiin nrgi 5000 daat digunakan untuk mngnali mikrokalifikai dngan baik karna ukuran mikrokalifikai yang kcil-kcil dan brbntuk cabang-cabang hingga mudah diknali dngan mnggunakan kofiin nrgi yang bar. Klaifikai dngan mnggunakan ANMBP. Hail Training untuk maa mnggunakan data banyak 4 gambar maa, itrai brhnti ada och k-7 dngan rror bar dan untuk mikrokalifikai mnggunakan 6 gambar mikrokalifikai, itrai brhnti ada och k-666 dngan rror bar Hail tting mnggunakan 0 gambar maa inak dngan 6 gambar maa gana, dirolh akurai bar 70% untuk maa inak dan 83.3% untuk maa gana dangkan dngan mnggunakan 4 gambar mikrokalifikai inak dngan 4 gambar mikrokalifikai gana, dirolh akurai bar 00% untuk mikrokalifikai inak dan 75% untuk mikrokalifikai gana. ANMBP mnggunakan larning data yang adatif dan numlahan rror linir dan rror non linir hingga daat mmrcat konvrgn dan daat mningkatkan akurai dalam mngklaifikaikan data mammogram. IV. DAFTAR PUSTAKA [] Anonim, 008, Fmal Brat-Brat Cancr Pictur & Imag (Cancr - Brat), htt:// ak Mart 008. [] Bnhrnbruch, C.P., Ptroudi, S., Bond, S., 00, Imag Filtring tchniqu for mdical imag ot-rocing, Mdical Viion Laboratory, Enginring Scinc, Oxford Univrity, USA. [3] Robrt, M., Kahn E., & Haddawy, P. (995). Dvlomnt of a Bayian ntwork for diagnoi of brat cancr. IJCAI-95 workho on building robabilitic ntwork. [4]. Arun, K. (00). Comutr viion fuzzynural ytm. Englwood Cliff, NJ: Prntic-Hall. [5] Michi, Siglhaltr, & Tayor. (994). Automatic dtction of clutrd microcalcification uing wavlt. Th third intrnational workho on digital mammograhy, Chicago. [6] Rafayah moua, Qutaihat Munib, Abdallah Moua. (005), Brat Cancr Diagnoi Sytm Bad on Wavlt Anal and Fuzzy Nural, Jordan, [7] Kathirvalavakumar T, dan Subavathi S. J. (009) Nighborhood bad modifid backroagation algorithn uing adativ larning aramtr for training fdforward nural ntwork. Jurnal Nurocomuting Elivir Scinc Ltd. [8] Pan, M., 000, Ak Klini dan Eidmiologi Pnyakit Kankr Payudara, Program Paca Sarana Ilmu Khatan Mayarakat Univrita Indonia, Tinauan Putaka, Jakarta. [9] Gonzalz R. C, Richard E.Wood.(00).Digital Imag Procing, cond dition, Paron ducation, Boton.