TERM OF REFERENCE (TOR)

JARINGAN SARAF TIRUAN UNTUK DETEKSI KETIDAK NORMALAN

DAERAH KANKER PARU-PARU DALAM CITRA SINAR-X

Oleh:

ZaimahPermatasari
NIM: 12050874211

UNIVERSITAS NEGERI SURABAYA

FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO
PRODI STUDI S1 TEKNIK ELEKTRO
2016

Kampus Ketintang
Surabaya 60231
T. +62.31.8280009 pes.502
F. +62.31.8297197
www.elektro.ft.unes
a.ac.id
 KEMENTERIAN RISTEK DAN
PENDIDIKAN TINGGI
NEGERI SURABAY A FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO
LEMBAR KONSULTASI
TERM OF REFERENCE (TOR) SKRIPSI

Nama Mahasiswa : ZaimahPermatasari

NIM : 12050874211
Program Studi/Angkatan : S-1 Teknik Elektro / 2012
Semester : 8 (delapan)

Catatan masukan dosen

Rekomendasi:
Judul atau masalah yang akan dijadikan skripsi/tugas akhir oleh
mahasiswa yang bersangkutan layak/tidak layak*) dijadikan skripsi/tugas
akhir.

Surabaya, . 2016
Mengetahui: Dosen pemberi masukan,
Ketu Program Studi S1 TE

.
NIP. NIP.

*)
Coret yang tidak perlu

A. PENDAHULUAN
1. Latar Belakang

Kanker memimpin penyebab kematian di seluruh dunia.Menurut

data GLOBOCAN (IARC) 2012 Kanker paru-paru tidak hanya jenis
kanker dengan kasus baru tertinggi dan penyebab utama kematian
akibat kanker pada populasi laki-laki, tetapi juga kanker paru-paru
memiliki persentase yang cukup tinggi dari kasus baru di populasi
wanita, sebesar 13,6% dan kematian kankerparu-paru 11,1%.
Persentase kematian bisa menurun jika kanker dapat dideteksi dan
diobati dini, kemungkinan pemulihan akan lebih tinggi.Ada 2 jenis
utama kanker paru-paru, Small Cell Lung Cancer (SCLC) danNon-Small
Cell Lung Cancer (NSCLC). Kanker paru-paru sel kecil juga disebut
sebagai selkanker.Sekitar 10% sampai 15% dari semua kanker paru-
paru adalah Small Cell Lung Cancer (SCLC),nama untuk ukuran sel-sel
kanker jika dilihat di bawah mikroskop. Nama lain untuk SCLC adalah
oat cell cancer, oat cell carcinoma, and small cell undifferentiated
carcinoma. Hal ini sangat jarang untuk seseorang yang tidak pernah
merokok memiliki kanker paru-paru sel kecil.Hal ini sangat jarang
untuk seseorang yang tidak pernah merokok memiliki kanker paru-
paru sel kecil.Sekitar 85% dari kanker paru-paru adalah Non-Small Cell
Lung Cancers. Ini adalah jenis yang paling umum dari kanker paru-
paru. Squamous Cell Carcinoma, Adenocarcinoma, dan Large Cell
Carcinomasemua subtipe dari Non-Small Cell Lung Cancer. Ada 3
subtipe utama dari NSCLC. Sel-sel di subtipe ini berbeda dalam
ukuran, bentuk, dan susunan kimia ketika melihat di bawah mikroskop.
Tapi mereka dikelompokkan bersama karena pendekatan untuk
pengobatan dan prognosis (outlook) seringkali sangat mirip. [1] Ada
banyak teknik untuk mendiagnosa kanker paru-paru seperti Chest
Radiography (x-ray) dan Computed Tomography (CT). Teknik
mengamati benjolan kanker paru-paru dengan
menggunakanpengolahan citra. Benjolan yang ada disebut bejolan
paru. Sebuah benjolan paru adalah bulat kecil atau pertumbuhan
berbentuk oval di paru-paru. Hal ini kadang-kadang juga disebut area
di paru-paru atau coin lesion. Benjolan paru umumnya lebih kecil dari
3 cm diameternya. Jika pertumbuhan lebih besar dari itu, diketahui
sebagai gumpalan paru. Gumpalan lebih mungkin untuk mewakili
kanker daripada benjolan. [2] Sebuah benjolan paru muncul di X-Ray
parusebagai gumpalan berbentuk bulat yang dapat terdistorsi oleh
sekitar struktur anatomi dan tidak ada ukuran keterbatasan pada
ukuran atau distribusi di jaringan paru-paru. Benjolan paru
diklasifikasikan ke dalam kategori tertentu; benjolan terhubung ke
permukaan pleural, koneksi lain untuk pembuluh sekitar dengan
struktur tipis. Pendekatanpre-diagnosis membantu untuk menemukan
risiko penyakit kanker paru-paru di tahap yang sangat awal [3].

2. Rumusan Masalah
a. Mendektesi benjolan paru-paru pada sinar x-ray ?
 b. Bgaimana mengindetifikasi benjolan kanker paru-paru yang
mengamati dengan image processing ?
c. Bagaimana menerapkan jaringan syaraf tiruan backpropagation
pada pengenalan citra kanker paru-paru dengan memanfaatkan
fiturbit channel pada pixel hasil threshold?

3. Batasan Masalah
a. Proses terdiridari input citra, preprocessing dan
backpropagation.
b. Mengetahui benjolan kangker paru-paru dengan gambar
processing.
c. Program dibuat dengan matlab 7.04

4. Tujuan Penelitian
a. Untuk mengidentifikasi benjolan paru-paru yang ada di sinar x-
ray?
b. Menganalisis metode jaringan syaraf tiruan backpropagation
dalam pengenalan sel kanker paru-paru untuk mengetahui
performansi dan akurasi pada pengenalan citra kanker otak
menggunakan metode jaringan syaraf tiruan backpropagation.

5. Manfaat Penelitian
a. Penelitian ini dapat mengembangkan sistem diagnosis benjolan
paru secara otomatis untuk deteksi awal dari kanker paru-paru
dengan berdasar pada citra sinar-X paru-paru menggunakan
beberapa tahap.
b. Dapat digunakan sebagai media pembelajaran mata kuliah
prosesing multimedia.

B. KAJIAN PUSTAKA
1. Pengolahan Citra
 Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran
M baris dan N kolom, dengan x dan y adalah koordinat spasial dan
amplitude f di titik koordinat (x,y) dinamakan intensitas atau tingkat
keabuaan dari citra pada titik tersebut. Apabila nila amplitude f
secara keseluruhan berhingga (finite) dan bernilai diskrit maka
dapat dikatakan bahwa citra tersebut adalah citra digital [5].
Pengolahan citra merupakan suatu cara sehingga menghasilkan
citra yang sesuai dengan keinginan kita atau kualitasnya menjadi
lebih baik. Umumnya, operasi-operasi pengolahan citra diterapkan
pada citra untuk keperluan perbaikan dan modifikasi citra,
pengelompokan citra, penggabungan citra, dan lain-lain.
2. Jaringan Syaraf Tiruan Backpropagation
Jaringan Saraf Tiruan (JST) merupakan salah satu representasi
buatan dari otak manusia yang selalu mencoba untuk
mensimulasikan proses pembelajaran pada otak manusia tersebut.
Istilah buatan digunakan karena jaringan saraf diimplemantasikan
dengan menggunakan program komputer yang mampu
menyelesaikan sejumlah proses perhitungan selama pembelajaran .
Backpropagation merupakan algoritma pembelajaran yang terawasi
dan biasanya digunakan oleh perceptron dengan banyak lapisan
untuk mengubah bobot-bobot yang terhubung dengan neuron-
neuron yang ada pada lapisan tersembunyinya (hidden layer).
Arsitektur jaringan syara tiruan backpropagation yang digunakan
dalam penelitian ini tersusun atas beberapa lapisan dengan satu
lapis masukan (lapisan X), satu lapisan tersembunyi (lapisan Z) dan
satu lapisan keluaran (lapisan Y) seperti pada Gambar 1.

Gambar. 1 Arsitektur Backpropagation

C. METODE PENELITIAN
1. Data penelitian
 Data yang digunakan pada penelitian ini adalah data citra
hasil foto rontgen pasien yang telah didiagnosa oleh dokter. Data ini
dikelompokan menjadi data untuk citra latih dan data untuk citra
uji. Citra latih yang digunakan sebanyak 20 buah, terdiri dari 20
buah citra grayscale paru-paru dengan keadaan normal, 20 buah
citra paru-paru dengan keadaan kanker dan 20 buah citra paru-paru
dengan keadaan efusi. Sedangkan citra uji yang digunakan
sebanyak 40 buah terdiri dari 20 buah citra grayscale paru-paru
dengan keadaan normal, 20 buah citra paru-paru dengan keadaan
kanker dan 20 buah citra paru-paru dengan keadaan efusi.

2. Tapis Median (Median Filter)

Tapis Median (median filter) merupakan salah satu teknik
peningkatan kualitas citra dalam domain spasial. Metode ini
termasuk dalam metode non linear filtering. Median filter yang
digunakan adalah blok berdimensi 9 x 9. Setiap citra memiliki noise.
Noise yang ada pada citra akan mempengaruhi proses pengolahan
citra ketika tidak ada perlakuan pada noise tersebut. Sehingga
untuk mengurangi noise yang ada pada citra tersebut maka
dilakukan proses filterisasi pada citra. Proses fiterisasi yang telah
dilakukan pada penelitian ini adalah dengan menggunakan median
filter.

3. Adaptive Histogran Equalisation

Proses ekualisasi histogram yang telah dilakukan adalah
dengan menggunakan adaptive histogram equalisation. Proses
ekualisasi histogram ini dilakukan agar nilai-nilai histogram pada
citra merata untuk tiap bagiannya. Proses adaptive histogram
equalisation sama dengan proses histogram biasa, hanya saja citra
dibagi menjadi beberapa bagian, dan kemudian tiap bagian citra itu
diekualisasi histogramnya, hasil dari masing-masing bagian ini akan
menghasilkan nilai histogram baru yang lebih merata.

4. Klasifikasi
Proses pengklasifikasian citra pada penelitian ini dengan
menggunakan jaringan syaraf tiruan backpropagation. Jaringan
terlebih dahulu dilatihkan dengan citra latih. Pelatihan yang
dilakukan bertujuan untuk mendapatkan nilai nilai bobot dari
jaringan. Bobot yang didapatkan akan tersimpan dan menjadi nilai
yang akan digunakan untuk proses pengujian citra uji. Pada
penelitian ini, jaringan syaraf tiruan digunakan untuk
mengklasifikasikan citra uji kedalam kelompok tertentu yaitu
kanker, efusi dan normal. Berikut diagram alir pengujian jaringan
syaraf tiruan tersebut.
D. DAFTAR PUSTAKA

Demuth, Howard, Neural Network Toolbox For Use with MATLAB,

New York : The MathWorks, Inc. (1989).

Gonzales, Rafael A. et all, Digital Image Processing Using Matlab

second edition, USA : Gatesmark Publishing (2008).

Kusumadewi, Sri, Artificial Intelligence, Yogyakarta : Graha Ilmu

(2003).