BAB II DASAR TEORI

5
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
BAB II
DASAR TEORI
2.1 Paru-Paru
Paru-paru adalah organ penting yang merupakan salah satu organ vital
bagi kehidupan manusia. Organ ini memiliki peranan pada sistem pernapasan,
karena dapat memenuhi kebutuhan tubuh akan oksigen. Organ yang terletak di
bawah tulang rusuk ini mempunyai tugas yang berat untuk mengatur pertukaran
oksigen. Jika udara yang kita hirup tercemar dan terdapat berbagai bibit penyakit
yang berkeliaran di udara akan menimbulkan berbagai penyakit paru-paru.







Gambar 2.1 Paru-Paru
[1]


2.1.1 Karakteristik Citra Paru-Paru
Pada penelitian ini, kondisi paru-paru dianalisis berdasarkan citra yang
diperoleh dari hasil sinar-X. Karakteristik dari citra tersebut mayoritas berwarna
abu-abu, namun tetap dalam format RGB.
Citra paru-paru yang diolah yaitu ketika pasien sedang dalam posisi
postero-anterior(PA) dan sedang bernafas dalam(inspirasi).








Gambar 2.2 Pengambilan Foto Paru-Paru Dalam Posisi PA
[1]




BAB II DASAR TEORI

6
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY









Gambar 2.3 Hasil Foto Rontgen Paru-paru Posisi PA

Hasil dari citra paru-paru dengan posisi PA, akan diberikan label L(left)
yang menandakan bagian sebelah kiri dari pasien. Berdasarkan Gambar 2.3, Paru-
paru terbagi dua oleh mediastinum ditengah-tengah. Di sebelah kiri dan kanan
mediastinum terdapat paru-paru yang berisi udara, oleh karena itu warnanya
relatif hitam. Sedangkan pada bagian sebelah kiri bawah terdapat jantung yang
berisi cairan, sehingga berwarna relatif putih, dan terdapat tulang rusuk yang
warnanya relatif transparan. Di sebelah bawah rongga paru-paru dibatasi oleh
kedua diafragma.

2.1.1.1 Citra Paru-Paru Normal
Berdasarkan hasil foto rontgen paru-paru, sebuah citra paru-paru
memerlukan penilaian yang tepat dan teliti sebelum menentukan kondisi paru-
paru tersebut normal. Dalam keadaan normalpun, penilaian seorang dokter
mungkin sangat berbeda satu sama lain, karena batas-batas antara normal dan
sakit sangat samar-samar. Oleh karena itu, diperlukan pengetahuan dasar tentang
anatomi normal. Berikut adalah dasar anatomi normal
[7]
:
1. Lung Field (bagian paru-paru) berwarna relatif hitam
2. Corakan hanya nampak pada bagian tengah paru-paru kiri dan kanan, namun
corakan tersebut tidak sampai ke ujung kanan atau kiri paru-paru.
3. Tulang iga yang nampak delapan sampai sepuluh.
4. Jarak antara paru-paru kiri dan kanan simetris.




BAB II DASAR TEORI

7
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
Berikut adalah contoh citra paru-paru untuk kondisi normal :









Gambar 2.4 Citra Paru-Paru Normal

2.1.1.2 Citra Paru-Paru TBC
Pada dasarnya citra paru-paru TBC terbagi atas dua, yaitu citra untuk
kondisi primary TBC dan post primary TBC
[7]
. Kondisi primary TBC merupakan
kondisi dimana terjadi infeksi melalui jalan pernapasan akibat bakteri
Mycobacterium tuberculosis. Pada citra paru-paru akan tampak sarang kapur
(ghon) dan bayangan garis-garis halus. Sedangkan kondisi post primary TBC
merupakan kondisi kronis, dimana terjadi re-infeksi pada seseorang yang
sebelumnya pernah menderita primary TBC, tetapi tidak diketahui dan
menyembuh sendiri
[7]
. Pada citra paru-paru akan tampak bayangan bercak-bercak,
awan-awan, dan lubang(cavitas). Sarang-sarang yang terlihat biasanya pada
bagian atas paru-paru.









Gambar 2.5 Citra Primary TBC Gambar 2.6 Citra Post Primary TBC



BAB II DASAR TEORI

8
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
2.1.1.3 Citra Paru-Paru Efusi
Berdasarkan hasil foto rontgen, citra paru-paru efusi terlihat sangat
berbeda dengan citra paru-paru normal. Pada kondisi efusi, akan terbentuk cairan
pada rongga pleura yang menyebabkan warna pada paru-paru akan berubah
menjadi relatif putih. Cairan tersebut dapat berupa cairan bening, kekeruh-
keruhan, darah, atau cairan getah bening
[7]
.








Gambar 2.7 Citra Paru-Paru Efusi

2.2 Teori Dasar Citra Digital
Citra dapat diartikan sebagai fungsi kontinu dari intensitas cahaya (x,y)
dalam bidang dua dimensi, dengan (x,y) menyatakan suatu koordinat spasial dan
nilai F pada setiap titik (x,y) menyatakan intensitas atau tingkat kecerahan atau
derajat keabuan (brightness/gray level). Intensitas cahaya yang dimaksud berasal
dari sumber cahaya, dan cahaya adalah suatu bentuk energi, maka berlaku
keadaan di mana fungsi intensitas terletak di antara
[5]
: 0<F(x,y)< .








Gambar 2.8 Citra Digital




BAB II DASAR TEORI

9
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
2.2.1 Format Warna
2.2.1.1 RGB (Red, Green, Blue)
Format RGB (Red, Green & Blue) dapat direpresentasikan dengan
menggunakan 3 layer. Citra RGB mempunyai array berukuran m x n x 3 yang
mendefinisikan warna merah, hijau, dan warna biru untuk setiap pikselnya. RGB
merupakan citra 24 bit dengan komponen merah, hijau, dan biru disimpan
masing-masing berukuran 8 bit
[5]
. Kombinasinya menjadi 16 juta warna, sehingga
disebut true color. Pada format RGB, suatu warna didefinisikan sebagai
kombinasi (campuran) dari komponen warna R, G dan B.








Gambar 2.9 Komponen Warna RGB
[5]


2.2.1.2 Grayscale
Graycsale dapat didefinisikan sebagai tingkat keabu-abuan dari suatu citra.
Tingkat warna abu-abu dari sebuah piksel, dapat juga dikatakan tingkat cahaya
dari sebuah piksel. Maksudnya nilai yang terkandung dalam piksel menunjukan
tingkat terangnya piksel tersebut dari hitam ke putih. Biasanya ditetapkan nilainya
antara 0 hingga 255 (untuk 256 level derajat keabuan), dengan 0 adalah hitam dan
255 adalah putih.







Gambar 2.10 Derajat Keabuan (dari hitam ke putih)
[5]




BAB II DASAR TEORI

10
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
2.2.1.3 BW (Black white)
Black white merupakan warna citra yang mewakili hitam dan putih.
Sebuah citra biner disimpan dalam matriks dengan nilai 0 dan 1. Pembentukan
citra biner memerlukan nilai batas keabuan yang akan digunakan sebagai nilai
batas. Piksel dengan derajat keabuan lebih besar dari nilai batas akan diberi nilai 1
dan sebaliknya piksel dengan derajat keabuan lebih kecil dari nilai batas akan
diberi nilai 0.
Citra Asli Citra Biner






Gambar 2.11 Proses RGB ke BW
[5]

2.2.2 Teori Contrast Stretching
Peningkatan kualitas citra memiliki tujuan meningkatkan kualitas citra,
untuk menonjolkan ciri dalam citra dan untuk memperbaiki aspek tampilan citra
sebelum dilakukan ekstraksi ciri. Peningkatan kualitas citra yang digunakan pada
tugas akhir ini yaitu pengontrasan contrast streching, pada MATLAB, fungsi ini
disebut imadjust. Contoh pemrogramannya adalah sebagai berikut :

c_kon = imadjust(citra gray,stretchlim(citragray),[bts_bwh bts_atas]);
Penentuan parameter batas atas dan batas bawah sangat tergantung dari keadaan
citra dan kebutuhan citra masukan yang kita miliki.

2.3 Teori Filter 2D Gabor Wavelet
Filter 2D gabor wavelet telah terbukti sebagai algoritma yang ampuh untuk
ekstraksi ciri yang kuat. Filter ini menyediakan band filter kompleks terbatas
dengan lokalisasi yang optimal, baik spasial maupun domain frekuensi. Filter
spasial bandpass yang optimum meminimalisasi ciri yang tidak penting dalam
domain spasial dan frekuensi.



BAB II DASAR TEORI

11
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
Secara umum filter gabor 2D dapat didefinisikan dalam domain spasial
sebagai berikut
[6]
:
| | u u
t
sin cos exp
2
exp
2
1
) , (
2 2
2
y x
y x
a y x h
j
+
(

+
= (2.1)

dimana
| | t u 2 , 0 ,...... 2 , 1 , 0 ,
2
1
dan j a = =

Pemilihan frekuensi j dan orientasi yang berbeda-beda akan membentuk
sebuah filter. Vektor ciri dihasilkan dari keluaran filter dengan kombinasi nilai
frekuensi j dan nilai orientasi sehingga menghasilkan sejumlah ciri (feature)
dari sebuah tekstur. Jumlah ciri yang dihasilkan sesuai dengan jumlah frekuensi
dan orientasi yang telah ditentukan. Semakin banyak frekuensi dan orientasi
yang digunakan, maka jumlah ciri yang dihasilkan semakin banyak.
Proses ekstraksi ciri menggunakan filter 2D gabor wavelet dilakukan untuk
menghasilkan sejumlah ciri, melalui tahapan proses seperti pada Gambar 2.12 :













Gambar 2.12 Proses Ekstraksi Ciri dengan Filter 2D gabor wavelet
[2]




BAB II DASAR TEORI

12
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
Pada Gambar 2.12, dapat dilihat proses pembentukan filter 2D gabor
wavelet dan proses ekstraksi ciri citra karakter. Untuk menghasilkann sejumlah
ciri, level frekuensi j yang digunakan adalah berbeda-beda dan orientasi yang
digunakan juga berbeda. Keluaran filter merupakan modulasi dari rata-rata
konvolusi mask filter riil dan imaginer terhadap citra karakter.
ave I ave R Output
2 2
+ = (2.2)
Dimana Rave merupakan hasil konvolusi dari citra karakter dengan filter mask riil
sedangkan Iave merupakan hasil konvolusi dari citra karakter dengan filter mask
imajiner
[6]
.

2.4 Teori Fuzzy
Logika fuzzy merupakan sebuah metode pemecahan masalah yang biasanya
masalah tersebut berada diluar model matematis atau inexact
[8]
. Logika fuzzy
menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari
informasi yang ambigu. Pada dasarnya, logika fuzzy menyerupai pembuatan
keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang
ditafsirkan dan mencari solusi yang tepat. Logika fuzzy pada dasarnya merupakan
logika bernilai banyak (multivalued logic) yang dapat mendefinisikan nilai
diantara keadaan konvensional seperti ya atau tidak, benar atau salah, hitam atau
putih, dan sebagainya
[8]
. Penalaran fuzzy menyediakan cara untuk memahami
kinerja dari system dengan cara menilai masukan dan keluaran system dari hasil
pengamatan. Secara matematis himpunan fuzzy dinyatakan sebagai berikut
[8]
:

A : X [0,1] (2.3)

Dengan A menyatakan fungsi karakteristik untuk crisp set, A dan X
menyatakan himpunan semesta. Fuzzy set menghasilkan fungsi tersebut sehingga
nilai yang diberikan pada elemen-elemen dalam suatu semesta berada pada
interval tertentu dan menyatakan derajat keanggotaan elemen-elemen itu pada
konsep yang dinyatakan oleh fuzzy set. Semakin besar nilainya menunjukkan
derajat keanggotaan yang lebih besar.




BAB II DASAR TEORI

13
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
2.4.1 Fungsi Keanggotaan
Fungsi keanggotaan merupakan suatu kurva yang menunjukkan pemetaan
titik-titik masukan data kedalam derajat keanggotaannya yang memiliki interval 0
sampai 1
[8]
. Di dalam sistem fuzzy, fungsi keanggotaan memiliki peranan yang
sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan
yang akurat. Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan.
Disini hanya membahas empat fungsi keanggotaan yang sering digunakan,
yaitu
[8]
:

1. Fungsi Sigmoid
Pada fungsi ini, disebut fungsi sigmoid, karena sesuai dengan namanya,
fungsi ini berbentuk kurva sigmoidal seperti huruf S. Setiap nilai x (variabel
linguistik) dipetakan ke dalam interval derajat keanggotaam () = [0,1].
Grafik dan notasi matematika untuk fungsi ini adalah sebagai berikut :

1
a b c
x
(x)
D
e
r
a
j
a
t

k
e
a
n
g
g
o
t
a
a
n
Variabel linguistik
0

Gambar 2.13 Grafik Fungsi Sigmoid
Sigmoid, , ,
=

0,
2

2
, <
1 2

2
, <
1, <




2. Fungsi Phi
Pada fungsi ini, disebut fungsi Phi karena bentuk seperti simbol phi. Pada
fungsi keanggotaan ini, hanya terdapat satu nilai x (variabel linguistik) yang
memiliki derajat keanggotaan () = 1, yaitu ketika x(variabel linguistik)
= c. Nilai-nilai di sekitar c memiliki derajat keanggotaan yang masih
mendekati 1. Grafik dan notasi matematika untuk fungsi ini adalah sebagai
berikut :




BAB II DASAR TEORI

14
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

D
e
r
a
j
a
t

k
e
a
n
g
g
o
t
a
a
n
1
c-b c c+b
(x)
x
c-b/2 c+b/2
Variabel linguistik

Gambar 2.14 Grafik Fungsi Phi
Phi, ,
=
(, ,

2
, ),
1 , , +

2
, + , >



3. Fungsi Segitiga
Pada dasarnya, fungsi ini sama dengan fungsi phi, pada fungsi ini juga
terdapat hanya satu nilai x (variabel linguistik) yang memiliki derajat
keanggotaan () = 1, yaitu ketika x = b. Tetapi, nilai-nilai di sekitar b
memiliki derajat keanggotaan yang turun cukup tajam (menjauhi 1). Grafik
dan notasi matematika untuk fungsi ini adalah sebagai berikut :


D
e
r
a
j
a
t

k
e
a
n
g
g
o
t
a
a
n
a b c
1
(x)
x
Variabel linguistik

Gambar 2.15 Grafik Fungsi Segitiga
Segitiga, , ,
=
0, ,
( )/( ), <
/( ), <



4. Fungsi Trapesium
Pada fungsi ini, sifatnya berbeda dengan fungsi Segitiga, pada fungsi ini
terdapat beberapa nilai x (variabel linguisrik) yang memiliki derajat
keanggotaan () = 1, yaitu ketika . Tetapi, derajat keanggotaan
untuk < < dan < memiliki karakteristik yang sama dengan
fungsi Segitiga. Grafik dan notasi matematika untuk fungsi ini adalah sebagai
berikut :




BAB II DASAR TEORI

15
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY

1
a b d
(x)
x
c
D
e
r
a
j
a
t

k
e
a
n
g
g
o
t
a
a
n
Variabel linguistik

Gambar 2.16 Grafik Fungsi Trapesium
Trapesium, , ,
=
0, ,
( )/( ), <
1, <
( )/( ), <




Dalam tugas akhir ini untuk mendapatkan derajat keanggotaan adalah dengan
pendekatan fungsi keanggotaan yang direpresentasikan dalam bentuk kurva
Trapesium. Fungsi keanggotaan ditentukan dari awal yang direpresentasikan
menggunakan kurva trapesium.

2.4.2 Sistem Berbasis Aturan Fuzzy
Suatu sistem yang berbasis aturan fuzzy terdiri dari tiga komponen
utama
[8]
:
1. Fuzzification
Proses fuzzification mengubah masukan-masukan yang nilai kebenarannya
bersifat pasti kedalam bentuk masukan fuzzy, yang berupa nilai linguistik yang
ditentukan berdasarkan fungsi keanggotaan tertentu.
2. Inference
Proses inteference melakukan penalaran menggunakan masukan fuzzy dan
aturan fuzzy yang telah ditentukan, sehingga menghasilkan keluaran. Dalam
melakukan penalaran, ada beberapa hal yang harus diperhatikan. Salah satunya
yaitu logical connectives. Nilai kebenaran yang dapat diberikan kepada P adalah
nilai-nilai yang berada dalam interval [0,1]. Nilai 0 menyatakan bahwa P adalah
salah dan nilai 1 menyatakan bahwa P adalah benar.
T : P [0,1] (2.4)
dimana T adalah fungsi kebenaran yang memetakan P ke suatu nilai dalam
interval [0,1]. Dalam tugas akhir ini terdapat logical connectives yang digunakan,
yaitu
[8]
:



BAB II DASAR TEORI

16
ANALISIS PENDETEKSIAN PENYAKIT TUBERKULOSIS (TBC) DAN EFUSI PLEURA MENGGUNAKAN
FILTER 2D GABOR WAVELET DAN LOGIKA FUZZY
Disjunction T(P Q) = max{T(P),T(Q)} (2.5)
Conjunction T(P Q) = min{T(P),T(Q)} (2.6)

Hal lain yang harus diperhatikan dalam melakukan penalaran dalam
inference yaitu model aturan fuzzy yang akan digunakan. Pada tugas akhir ini,
model aturan fuzzy yang digunakan yaitu metode mamdani.
Metode mamdani sering juga dikenal dengan nama metode minmax.
Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975
[8]
. Pada
metode mamdani, baik variabel masukan maupun variabel keluaran dibagi
menjadi satu atau lebih himpunan fuzzy, pada metode ini yang digunakan adalah
min (minimum) kemudian melakukan inferensi sistem fuzzy dengan metode max
(maksimum)
[8]
.

3. Defuzzification
Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode
centroid. Dimana pada metode ini, nilai crisp diperoleh dengan cara mengambil
titik pusat daerah fuzzy. Secara umum dirumuskan
[8]
:
}
}
=
dy y
dy y y
y
R
R
) (
) (
*

(2.10)
dimana y
*
suatu nilai crisp. Fungsi integrasi pada persamaan y
*
dapat diganti
dengan fungsi sigma jika y bernilai diskrit, sehingga menjadi :

=
) (
) (
*
y
y y
y
R
R

(2.11)
dimana y
*
suatu nilai crisp dan
R
(y) adalah derajat keanggotaan dari y.

Ada dua keuntungan menggunakan metode centroid, yaitu
[9]
:

1. Nilai defuzzyfikasi akan bergerak secara halus sehingga perubahan dari suatu
himpunan fuzzy juga akan berjalan dengan halus.
2. Lebih mudah dalam perhitungan.