BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berjalannya waktu ilmu pengetahuan semakin berkembang pesat sesuai dengan berbagai macam pemikiran manusia. Banyak teori-teori maupun aplikasi baru yang lahir dari beberapa macam pengetahuan. Begitupun dalam bidang IT, macam-macam jenis pengolahan data lahir dengan teknik yang baru. Dengan tujuan yaitu agar kinerja dalam menyelesaikan suatu pekerjaan dapat meningkat lebih baik dan mencapai tujuan. Yang dimana salah satu contoh proses pengolahan data dalam kasus ini yaitu pengolahan citra atau image processing. Pengolahan citra adalah pemrosesan citra, khususnya menggunakan komputer yang menjadikan citra memiliki kualitas lebih baik. Sebagai contoh, citra pemandangan yang tampak gelap, lalu dengan operasi pengolahan citra kontrasnya diperbaiki sehingga lebih terang dan tajam. Seperti dikutip dari tesis milik Enjang tahun 2003 dengan judul Pengenalan Pola Fraktur Dan Pembuluh Darah Pada Tengkorak Menggunakan Jaringan Neural Buatan mengemukakan bahwa adapun berbagai macam penelitian yang sudah dilakukan oleh beberapa orang yang berhubungan dengan pengolahan citra sinar X khususnya di bidang kedokteran, diantaranya: a. Automatic Acquisition of Visual Models for Image Recognition (O.Fichera, P.Pellegretti, F.Roli, and S.B Serpico). Pada penelitian ini teknik
segmentasi gambar tengkorak manusia telah dikembangkan untuk menunjukkan model organ-organ kepala di bagian-bagian lainnya yang ditunjukkan pada gambar tengkorak tersebut. Sistem yang dikembangkan yaitu SLID (System for Learning Image Description) terbukti efektif serta kerangka deskripsi gambar dapat lebih dipahami. b. Model-Driven Contour Extraction for Physically Deformed Objects- Application to Analysis of Stomach X-ray Images (Yasuyo Kita). Pada penelitian ini telah dikembangkan suatu sistem yang dapat mengekstrak kontur-kontur yang rusak dari gambar sinar-x lambung manusia. Sistem yang dikembangkan dapat secara otomatis membentuk model lambung berdasarkan dua gambar x-ray lambung yang berbeda. Gambar pertama adalah hasil pemotretan dengan kadar kontras dua kali lipat (double contras, DC). Gambar yang kedua diambil dari lambung yang terisi barium (barium-filled, BF). Model yang terbentuk terdiri dari pegas-pegas yang menyatakan elastisitas lambung. c. Stochastic Segmentation of Ultrasound Images (I.L Herlin, C. Nguyen, C. Graffigne). Pada penelitian ini dikembangkan suatu sistem model melalui metode random Markov untuk membentuk segmentasi gambar hasil pemeriksaan jantung. Prosedur pengamatan dilakukan secara iteratif untuk memperkirakan parameter-parameter model. Sistem yang dikembangkan dipakai untuk segmentasi awal gambar-gambar ultrasound.
d. Knowledge-Based Matching for 3D Radiotherapy Planning (Masaharu Kobashi, Linda G. Shapiro). Pada penelitian ini dikembangkan sistem yang dapat membentuk segmentasi dan rekognisi organ-organ penting dalam gambar CT perut manusia. Berawal dari pengamatan penulis melihat salah satu tugas dokter saat mengamati gambar citra Sinar X tengkorak manusia, mendiagnosa atas kelainan yang terdapat pada gambar tengkorak tersebut. Saat pengamatan tersebut sering ditemui sikap keragu-raguan dokter dalam mendiagnosis bagian-bagian yang terdapat pada citra tersebut. Keragu-raguan tersebut disebabkan oleh kekaburan penampakan bagian-bagian pada citra, diantaranya sulit mengetahui apakah terdapat fraktur pada tengkorak manusia atau tidak. Menurut S.C Shanks dalam bukunya yang berjudul A Text Book of X-Ray Diagnosis (1957) pengertian singkat mengenai fraktur itu sendiri merupakan putusnya kontinuitas sebuah tulang atau retaknya tulang yang ditandai oleh rasa nyeri, pembengkakan, gangguan fungsi, dan lain-lain. Kendala utama dalam pengenalan fraktur adalah pada umumnya citra sinar X fraktur memiliki kualitas yang rendah, antara lain disebabkan oleh kekaburan citra sinar X ataupun karena kualitas peralatan rontgen yang digunakan. Oleh karena itu, peningkatan kualitas citra sinar X fraktur seharusnya menjadi salah satu prioritas utama sebelum mengidentifikasi parameter-parameter yang akan digunakan oleh ciri (feature) dari obyek di dalam citra, untuk selanjutnya parameter tersebut digunakan dalam menginterpretasi citra.
Sepengetahuan penulis, penelitian sebelumnya yang mengarah kepada pengenalan pola fraktur sudah ada, namun dengan objek penelitian dan metode yang berbeda yaitu pengenalan pola fraktur dan pembuluh darah pada tengkorak menggunakan jaringan neural buatan yang dilakukan oleh Enjang Ali Nurdin (Universitas Indonesia, 2003). Pada penelitian tersebut metode yang digunakan adalah jaringan syaraf tiruan dengan pengambilan sampel citra dengan menggunakan ciri moment invariant sebagai ciri untuk membedakan kelas fraktur dan kelas pembuluh darah. Lalu selanjutnya penggunaan transformasi Fourier untuk mendeteksi komponen frekuensi. Dan melalui pembelajaran propagansi balik yang melibatkan ciri-ciri moment invariant, amplitudo spektrum frekuensi serta sudut fasenya. Namun pada penelitian tersebut masih terdapat kekurangan diantaranya belum dilakukannya proses enhancement pada citra x-ray yang digunakan. Selanjutnya penulis menemukan penelitian yang dilakukan oleh Helsi Rosyida Mandasari, Handayani Tjandrasa, Arya Yudhi Wijaya mengenai Segmentasi Pembuluh Darah Retina pada Citra Fundus Mata dengan 2D-Gabor Filter. Pada penelitian tersebut mampu mensegmentasi pembuluh darah retina pada citra fundus mata berwarna dengan baik dengan proses enhancement melalui metode Gabor Filter. Adapun penelitian Laksmita Rahadianti yang berjudul Pengembangan Algoritma Pembelajaran Berbasiskan Dimensi serta Komparasinya terhadap Pembelajaran Berbasiskan Vector pada Fuzzy-Neuro Learning Vector untuk Pengenalan Citra Wajah Frontal, disana disebutkan
kesimpulan menggunakan metode Learning Vector Quantization yaitu untuk memproses masukan sesuai fungsi dan mengeluarkan keluaran berupa klarifikasinya. Berdasarkan hal di atas penelitian ini dilakukan untuk mengkaji pengenalan pola fraktur tengkorak manusia dengan menggunakan metode Gabor Filter dan Learning Vector Quantization, dimana prosesnya yaitu menguji tingkat keberhasilan proses enhancement melalui metode Gabor Filter dari pengklasifikasian input berupa citra fraktur dengan format *jpg, pemilihan ini dilakukan karena format tersebut merupakan teknik dan standar universal untuk kompresi dan dekompresi citra tidak bergerak baik itu citra berwarna (yang bit per pixelnya bisa mencapai hingga 32 bit) maupun citra gray scale. Yang dimana selanjutnya output yang telah diperoleh dicocokkan dengan nilai training berdasarkan parameter yang ada melalui metode Learning Vector Quantization untuk memperoleh kualitas citra fraktur tengkorak manusia yang lebih baik. 1.2 Rumusan Masalah Secara khusus permasalahan penelitian di rumuskan sebagai berikut: 1. Bagaimana metode Gabor Filter dan Jaringan Syaraf Tiruan Learning Vector Quantization dapat melakukan pengenalan fraktur pada citra tengkorak manusia?
2. Apakah penerapan metode Gabor Filter dan Jaringan Syaraf Tiruan Learning Vector Quantization untuk pengenalan fraktur pada data citra tengkorak manusia dapat menghasilkan hasil yang akurat? 1.3 Batasan Masalah Beberapa batasan masalah dalam penelitian adalah sebagai berikut : 1. Sistem tidak dapat melakukan pengambilan gambar secara langsung. Artinya pengguna tidak melakukan proses foto secara langsung baik melalui webcam, maupun peralatan sejenis kamera lainnya. Akan tetapi dengan menggunakan gambar atau data yang sudah ada. 2. Citra tengkorak yang menjadi masukan ke dalam sistem sudah berupa citra yang sudah terdapat fraktur dan tidak terdapat fraktur. 3. Sistem hanya dapat memberikan informasi berupa apakah terdapat fraktur atau tidak pada citra tengkorak manusia beserta nilai akurasinya. 4. Citra tengkorak memiliki format *jpg 1.4 Tujuan Penelitian Adapun tujuan yang ingin dicapai dalam penelitian ini adalah :
1. Memahami dan mengetahui cara kerja metode Gabor Filter dan Jaringan Syaraf Tiruan Learning Vector Quantization untuk pengenalan pola fraktur pada tengkorak manusia. 2. Mengetahui tingkat keakurasian pengenalan pola fraktur dengan menggunakan metode Gabor Filter dan Jaringan Syaraf Tiruan Learning Vector Quantization. 1.5 Manfaat Penelitian Penelitian ini diharapkan dapat memberikan manfaat yang berarti, antara lain : 1. Memberi informasi tingkat akurasi kepada para dokter dalam mendiagnosis suatu pola fraktur pada citra rontgen melalui metode Gabor Filter dan Jaringan Syaraf Tiruan Learning Vector Quantization. 2. Sebagai salah satu referensi bagi penelitian selanjutnya mengenai pengolahan citra digital dalam memperoleh kualitas citra yang lebih baik lagi. 1.6 Sistematika Penulisan Dalam penyusunan skripsi ini, sistematika penulisan dibagi menjadi beberapa bagian, diantaranya:
BAB 1 Pendahuluan Bab ini merupakan pembuatan masalah yang akan diteliti secara umum. Terdiri dari latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan. BAB II Tinjauan Pustaka Bab ini berisi landasan teori yang berfungsi sebagai sumber atau alat pengetahuan dalam memahami permasalahan yang berkaitan dengan teoriteori mengenai Pengolahan Citra, Gabor Filter, dan Jaringan Syaraf Tiruan Learning Vector Quantization. BAB III Metodologi Penelitian Bab ini berisi mengenai desain penelitian, metode penelitian serta alat dan bahan penelitian. BAB IV Hasil Penelitian dan Pembahasan Bab ini akan dijabarkan hasil penelitian serta pembahasannya. Kemudian dikupas secara lebih rinci hal-hal yang menjawab apa yang sudah dirumuskan dalam sebuah rumusan masalah. BAB V Kesimpulan dan Saran
Kesimpulan merupakan jawaban atas rumusan masalah dalam penelitian dan juga intisari dari BAB IV. Saran atau kesimpulan serta rekomendasi pengembangan sistem penulis sampaikan pada sub-sub bab saran. LAMPIRAN Berisi dokumen pendukung penelitian.