APLIKASI ANALISIS TEKSTUR MENGGUNAKAN METODE CANNY UNTUK MENDETEKSI KANKER SERVIKS

Aji Nurrohman. *), Lulu Chaerani Munggaran, Dr **)

Jurusan Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma

Jl. KH. Noer Ali, Kalimalang, Bekasi, 17133, Indonesia Email : jie_kerenz@yahoo.com

*) Mahasiswa Sistem Informasi Universitas Gunadarma **) Dosen Sistem Informasi Universitas Gunadarma

ABSTRAKSI

Pengolahan citra adalah pemrosesan citra, Pengolahan citra saat ini

banyak digunakan diberbagai bidang kehidupan manusia, salah satu contohnya adalah dalam bidang kedokteran. Pencitraan sering juga digunakan untuk mendeteksi kanker serviks. Kanker serviks atau sering dikenal dengan kanker mulut rahim/kanker serviks adalah kanker yang terjadi pada serviks uterus, suatu daerah pada organ reproduksi wanita yang merupakan pintu masuk ke arah rahim yang terletak antara rahim (uterus) dengan liang senggama (vagina). Pendeteksian kanker serviks dapat dilakukan dengan berbagai cara, salah satunya adalah deteksi melalui tekstur. Tekstur kanker serviks dapat dilakukan melalui beberapa metode deteksi tepi diantaranya metode sobel, canny,robert, prewitt, gonzalez, dan laplace. Penulis menggunakan metode canny, karena memiliki beberapa kelebihan dalam mengekstrak tepian dengan kebebasan pemilihan parameter yang digunakan. Penulis membuat aplikasi yang dapat mendeteksi kanker serviks melalui tekstur kanker serviks.

Tujuan dari pembuatan aplikasi ini adalah membuat suatu aplikasi pencitraan yang dapat mendeteksi kanker serviks menggunakan metode canny, sehingga diharapkan dapat membantu bidang kedokteran dalam mendeteksi dini kanker serviks.

Aplikasi ini mempunyai 5 menu. Menu tersebut adalah menu utama, analisis kanker,bantuan, informasi kanker dan keluar. Menu utama menampilkan profil penulis, menu analisis kanker menampilkan proses kerja aplikasi deteksi kanker serviks, menu bantuan menampilkan petunjuk penggunaan aplikasi, menu informasi kanker menampilkan tahap deteksi kanker serviks dan menu keluar untuk keluar dari aplikasi Kata Kunci : Metode Canny, Citra, Citra Digital, Segementasi, Deteksi.

ABSTRACT

Image processing is image processing, image processing is currently widely used in various fields of human life, one example is in the field of medicine. Imaging is often also used to detect cervical cancer. Cervical cancer or often known as cervical cancer / cervical cancer is cancer that occurs in the uterine cervix, an area

in which the female reproductive organ is the entrance to the uterus located between the womb (uterus) with a hole intercourse (vaginal). The detection of cervical cancer can be done in various ways, one of which is detected through the texture. The texture of cervical cancer can be done through several methods including methods sobel edge detection, Canny, Robert, Prewitt, Gonzalez, and laplace. The author uses the Canny method, because it has several advantages in the extract edges with freedom of choice of parameters used. The author makes an application which can detect cervical cancer through the texture of cervical cancer. The purpose of making this application is to create an imaging application that can detect cervical cancer using the Canny method, which is expected to help the field of medicine in the early detection of cervical cancer. This application have 5 menu. The menu is the main menu, the analysis of cancer, help, cancer information and exit. The main menu displays the profile of the author, the menu displays the work process analysis of cancer cervical cancer detection applications, the help menu displays instructions for using the application, the menu displays the stages of cancer information cervical cancer detection and menu exit to exit the application Keywords : Canny method, image, digital image, segmentation, detection.

I. PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan komputer saat ini tumbuh dengan pesat dan cepat seiring dengan kebututuhan akan teknologi yang banyak digunakan oleh masyarakat. Penggunaanya menjadikan kegiatan manusia yaitu mengolah data dalam jumlah yang sedikit maupun banyak menjadi lebih cepat dan efisien. Data atau informasi tersebut tidak hanya berupa teks, audio, dan video. Selain itu, gambar juga merupakan bagian dari data dan informasi. Gambar adalah istilah lain dari citra. Citra dapat diproses yang disebut dengan pengolahan citra. Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pengolahan citra saat ini banyak digunakan diberbagai bidang kehidupan manusia, salah satu

contohnya adalah dalam bidang kedokteran yang digunakan untuk pengolahan citra hasil USG (foto janin).

Kanker serviks atau sering dikenal dengan kanker mulut rahim/kanker serviks adalah kanker yang terjadi pada serviks uterus, suatu daerah pada organ reproduksi wanita yang merupakan pintu masuk ke arah rahim yang terletak antara rahim (uterus) dengan liang senggama (vagina). Menurut Globacan (2002) di seluruh dunia setiap tahun terdapat 493.243 wanita terdiagnosa kanker serviks dan 273.505 diantaranya meninggal dunia, sehingga dapat diambil rata – rata bahwa lebih dari 700 wanita meninggal setiap hari karena kanker serviks. Di Indonesia, kanker serviks menempati urutan pertama kanker pada wanita. Penyakit kanker mempunyai stadium tersendiri tergantung jenis kanker yang

diderita, begitu juga pada kanker serviks. Stadium kanker berfungsi untuk menggambarkan kondisi kanker yaitu ukuran sel kanker, letak penyebaran dan pengaruhnya terhadap organ tubuh yang lain. Dengan mengetahui stadium kanker yang diderita oleh pasien, dokter dapat melakukan tindakan pengobatan medis yang tepat bagi pasien.

Melihat tingginya wanita yang menderita kanker serviks, para pakar meneliti untuk dapat mencegah penyebaran kanker serviks, salah satu penelitiannya adalah mendeteksi secara dini kanker serviks. Pendeteksian kanker serviks secara dini dapat dilakukan melalui beberapa cara yaitu tes schiller, kolposkopi, IVA (Inspeksi Visual Asam Asetat), servicografi dan pap smear. Beberapa cara yang telah disebutkan untuk pendeteksian kanker serviks, apabila dikaitkan dengan perkembangan ilmu pengetahuan dan teknologi dapat dilakukan melalui pengolahan citra. Pengolahan citra yang dilakukan untuk mendeteksi kanker serviks dapat dilihat dari segi warna dan tekstur. Bila dilihat dari segi warna, kanker serviks dapat dilihat dari warna merah dan putih, sedangkan bila dilihat dari segi tekstur, kanker serviks dapat dilihat melalui derajat keabuan di dalam sekumpulan pixel – pixel yang saling berdekatan.

Tekstur kanker serviks dapat dilakukan melalui beberapa metode deteksi tepi diantaranya metode sobel, canny,robert, prewitt, gonzalez, dan laplace. Penulis menggunakan metode canny, karena memiliki beberapa kelebihan dalam mengekstrak tepian dengan

kebebasan pemilihan parameter yang digunakan.

Metode canny juga merupakan salah satu algoritma deteksi tepi modern. Menurut paper study and comparison of various image edge detection techniques dan perbandingan metode pendeteksi tepi (Studi Kasus: Citra USG Janin), metode canny ini merupakan edge detector yang optimal dan memiliki kelebihan dari metode pendeteksi tepi yang lain. Banyak bidang kedokteran menggunakan metode ini karena hasil metode canny yang optimal.

Uraian diatas merupakan latar belakang penulis untuk mengangkat judul: “Aplikasi Analisis Tekstur Menggunakan Metode Canny Untuk Mendeteksi Kanker Serviks” .

1.2 Rumusan Masalah

Rumusan masalah yang dapat diangkat dari penulisan ini adalah : 1. Apakah metode canny dapat

membantu mendeteksi kanker serviks dengan baik berdasarkan tekturnya ?

2. Bagaimana mentransformasikan analisis tersebut kedalam sebuah aplikasi program MATLAB 7.11.0 (R2010b) ?

1.3 Batasan Masalah

Pada penulisan tugas akhir ini menggunakan metode canny untuk mendeteksi tepi lesi kanker serviks dan pembuatan aplikasi deteksi tepi menggunakan matlab.

1.4 Tujuan Penulisan

Penulisan ini bertujuan membuat suatu aplikasi pencitraan yang dapat mendeteksi kanker serviks menggunakan metode canny, sehingga diharapkan dapat membantu bidang kedokteran dalam mendeteksi dini kanker serviks. II. TINJAUAN PUSTAKA 2.1 Pengolahan Citra

Sebuah citra yang diperoleh melalui hasil scanning (pemindaian) sinar-x ke dalam komputerisasi terkadang mengalami penurunan kualitas yang berupa perubahan kecerahan, peregangan kontras dan kekaburan. Karena beberapa degradasi tersebut, dokter maupun pasien tidak dapat memperoleh informasi yang dibutuhkan. Agar citra yang mengalami gangguan mudah diinterpretasi baik oleh manusia maupun mesin, maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik atau proses tersebut dinamakan dengan proses image processing (pengolahan citra). 2.2 Citra Digital

Citra digital dihasilkan melalui proses digitalisasi sehingga mampu menghasilkan citra digital, misalnya CT-Scan (Computer Tomographic Scan), USG (Ultra Sound Grapic), kamera digital, scanner, dll. Citra digital disebut juga citra diskrit. Citra digital merupakan citra yang telah disimpan dalam bentuk file sehingga dapat diolah dengan menggunakan komputer. Citra digital merupakan suatu larik dua dimensi atau suatu

matriks yang elemen-elemennya menyatakan tingkat keabuan dari elemen gambar. Jadi informasi yang terkandung bersifat diskrit. Citra digital tidak selalu merupakan hasil langsung data rekaman suatu sistem. Kadang-kadang hasil rekaman data bersifat kontinu seperti gambar pada monitor televisi, foto sinar-x, dan lain sebagainya. Suatu citra digital diperlukan suatu proses konversi sehingga citra tersebut dapat diproses dengan komputer.

2.3 Citra Biner

Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih, 0 dan 1 angka 0 menyatakan warna latar belakang (background) dan 1 menyatakan warna tinta atau objek atau dalam bentuk angka 0 untuk hitam dan angka 1 untuk warna putih [Anonim, 2009]. Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih kaya dari pada citra biner, namun tidak membuat citra biner mati. Pada beberapa aplikasi citra biner masih tetap dibutuhkan, misalnya pada proses analisis citra medis ini yang menggunakan gambar sinar-x.

2.4 Preprocessing (Pemrosesan

Awal) Preprocessing (pemrosesan awal) adalah proses yang memproses sebuah masukan menjadi sebuah keluaran yang akan menjadi masukan bagi proses lain [Anonim, 2009]. Pemrosesan awal merupakan operasi pengolahan citra untuk meningkatkan kualitas citra.

2.5 Matlab MatLab singkatan dari Matrix

Laboratory. MatLab merupakan bahasa pemrogaman yang dikembangkan oleh The Mathwork, Inc. Bahasa pemograman ini banyak digunakan untuk perhitungan numerik keteknikan, komputasi simbolik, visualisasi grafis, analisis data matematis, statistika, simulasi pemodelan, dan desain graphical user interface (GUI).

Pada awalnya, program ini merupakan interface untuk koleksi rutin numerik dari proyek LINPACK dan EISPACK, namun sekarang merupakan produk komersial dari perusahaan Mathworks, Inc. MatLab telah berkembang menjadi sebuah lingkungan pemrograman yang canggih yang berisi fungsi built-in untuk melakukan tugas pengolahan sinyal, aljabar linier, dan kalkulasi matematis lainnya. Tampilan awal MatLab 7.0 ditunjukkan pada gambar 2.5.

Gambar 1. Tampilan MatLab

Walaupun MatLab khusus digunakan untuk penghitungan numerik, toolbox pilihan dengan mesin simbol maple, menjadikan MatLab sebagai suatu sistem aljabar komputer yang lengkap. MatLab memiliki kemampuan untuk mengintegrasikan komputasi, visualisasi, dan pemrograman.

III. ANALISIS DAN PERANCANGAN

Pada bab ini akan dijelaskan mengenai analisis dan perancangan aplikasi deteksi tepi kanker serviks dengan menggunakan metode canny. Aplikasi ini pada akhirnya akan menampilkan hasil deteksi kanker serviks berupa garis tepi dari hasil servikografi. Tahapan yang digunakan untuk mendeteksi kanker serviks menggunakan 7 tahapan yaitu tahap ekstraksi warna, tahap croping, tahap deteksi tepi menggunakan metode canny, tahap operasi dilatasi citra, tahap pengisian objek, tahap segmentasi citra dan tahap pembuatan garis tepi.

3.1 Tahap Pendeteksian Kanker Serviks Penjelasan tahap pendeteksian kanker serviks adalah sebagai berikut : 1. Tahap ekstraksi warna Pada tahap ekstraksi warna ini dilakukan dengan cara mengambil fitur warna berupa R (Red), G (Green) dan B (Blue) dari gambar. Pengambilan nilai R, G dan B diambil melalui tool color picker dari software photoshop. 2. Tahap Croping Pada tahap proses croping ini dilakukan dengan mengambil bagian gambar yang terdapat lesi serviks. Tujuan dari pengambilan gambar lesi serviks adalah melihat objek kanker serviks secara lebih dekat. 3. Tahap deteksi tepi dengan

metode canny Pada tahap ini citra yang telah dihilangkan noise dan diketahui R,

G, dan B lalu dilakukan deteksi tepi dengan metode canny. 4. Tahap operasi dilatasi citra Pada tahap dilatasi citra ini dilakukan untuk memperjelas citra yang diperoleh dari hasil deteksi tepi canny dengan menghilangkan batasan dari citra dan menghilangkan garis deteksi tepi dari operasi strel dengan bentuk line. Operasi strel ini digunakan untuk menghilangkan garis deteksi tepi. 5. Tahap pengisian area objek Pada tahap pengisian objek ini objek yang sudah dideteksi akan diberi lubang putih untuk mengisi area yang ada didalamnya. 6. Tahap segmentasi citra Pada tahap segmentasi ini dilakukan pemisahan objek dari latarnya. 7. Tahap pembuatan garis tepi Pada tahap berikut ini adalah tahap terakhir yang terdapat dalam aplikasi ini, tahap ini berguna untuk mencari garis tepi dari objek hasil segmentasi, sehingga pengguna dapat langsung melihat garis tepi lesi pada citra asli.

3.2 Algoritma Alogritma dari setiap tahap pendeteksian kanker serviks adalah sebagai berikut : 1. Ekstraksi Warna Warna pokok dalam pengelolaan citra terdiri dari 3 (tiga)unsur, yaitu R (Red), G (Green), dan B (Blue). Jika warna-warna pokok tersebut digabungkan, maka akan menghasilkan warna lain. Penggabungan tersebut bergantung

pada warna pokok yang tiap-tiap warna memiliki nilai 256 (8 bit). Pengambilan nilai R, G dan B diambil melalui software photoshop. Warna yang dideskripsikan dengan RGB adalah pemetaan yang mengacu pada panjang gelombang dari RGB. Pemetaan menghasilkan nuansa warna untuk masing-masing R, G, dan B. Masing-masing R, G,dan B didiskritkan dalam skala 256, sehingga RGB akan memiliki indeks antara 0 sampai 255. Ekstraksi warna adalah mengambil fitur warna berupa R, G, dan B. Flowchart ekstraksi warna dapat dilihat pada gambar 2.

Gambar 2. Flowchart Ekstraksi Warna

2. Tahap Croping Croping adalah memotong bagian gambar dari suatu objek. Pada tahap croping ini menggunakan fungsi imcrop untuk memtong bagian gambar yang dianggap lesi serviks. Letak lesi oleh user dalam proses croping ini untuk mempermudah user agar dapat melihat objek secara lebih dekat. Flowchart croping dapat dilihat pada gambar 3.

Gambar 3. Flowchart Croping

3.Tahap Deteksi Tepi Metode Canny

Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan menggunakan metode canny. Deteksi tepi canny ditemukan oleh Marr dan Hildreth yang meneliti pemodelan persepsi visual manusia. Ada beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma canny : a. Mendeteksi dengan baik (kriteria deteksi) Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan. b. Melokalisasi dengan baik (kriteria lokalisasi) Metode canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli. c. Respon yang jelas (kriteria respon) Hanya ada satu respon untuk tiap tepi. Hal itu dilakukan untuk

mempermudah proses pendeteksian agar tidak menimbulkan kerancuan pada pengolahan citra. Flowchart deteksi tepi dapat dilihat pada gambar 4.

Gambar 4. Flowchart Deteksi Tepi Metode Canny

3. 4.Tahap Operasi Dilatasi Citra Operasi dilatasi citra ini

untuk memperjelas citra dengan menghilangkan batasan dari citra yang diperoleh dari fungsi strel untuk menentukan garis-garis yang terdapat dari sebuah citra. Fungsi strel ini untuk menghilangkan garis yang terdapat pada citra. Dilatasi adalah operasi morphologi yang akan menambahkan pixel pada batas antar objek dalam suatu citra digital. Hasil operasi (output pixel) adalah nilai maksimal yang diperoleh dari himpunan pixel tetangganya. Dalam binary image, jika ada pixel tetangga yang bernilai 1 maka output pixel akan diset menjadi 1. Tampilan flowchart dilatasi dapat dilihat pada gambar 5.

Gambar 5. Flowchart Dilatasi.

5. Tahap Pengisian Area Objek Tahap pengsian area objek

adalah pemberian warna ke dalam garis-garis yang telah terhubung dengan warna putih dan garis yang tidak terhubung diabaikan. Proses pengisian area objek ini menggunakan fungsi imfill. Fungsi holes adalah fungsi yang mengartikan bahwa objek yang sudah dideteksi akan diberi semacam lubang putih yang mengisi area objek di dalamnya. Tampilan flowchart pengisian objek dapat dilihat pada gambar 6.

Gambar 6. Flowchart Pengisian Objek

6. Tahap Segmentasi Citra Segmentasi yaitu mereduksi

citra menjadi objek atau region, misalnya memisahkan objek-objek yang berbeda dengan mengekstraksi batas-batas objek (boundary). Segmentasi merupakan suatu proses untuk mendapatkan area atau obyek yang diinginkan pada suatu citra dengan memisahkan antara area atau objek dari latar belakangnya. Proses segmentasi memisahkan objek dari latar belakangnya pada tepi yang terhubung, jika tepi tidak terhubung maka objek tidak tersegmentasi. Citra hasil segmentasi berbentuk citra biner terbagi atas dua bagian, yaitu bagian hitam dan bagian putih, angka 0 menyatakan warna latar belakang (background) dan angka 1 menyatakan warna tinta atau objek atau dalam bentuk angka 0 untuk hitam dan angka 1 untuk warna putih. Proses penghalusan (smoothing) pada citra untuk mempertajam kualitas citra yang telah disegmentasi menggunakan fungsi imrode. Tampilan segmentasi citra dapat dilihat pada gambar 7.

Gamabr 7 Flowchart Segmentasi Citra.

7. Pembuatan Garis Tepi Garis tepi (outline) adalah proses

pembuatan garis tepi dari objek hasil segmentasi, sehingga garis tepi tersebut dapat terlihat pada citra asli. Pembuatan garis tepi ini menggunakan fungsi BWoutline yang hanya terdapat pada aplikasi matlab. Flowchart ditujukan pada gambar 8.

Gambar 8 Flowchart Pembuatan

Garis Tepi

IV. IMPLEMENTASI 4.1 Data Perangkat Keras Dan

Perangkat Lunak Yang Digunakan

Dalam melakukan pengujian ini penulis menggunakan spesifikasi perangkat keras dan perangkat lunak yaitu : 1. Perangkat keras

Spesifikasi perangkat keras yang digunakan untuk membuat aplikasi ini adalah :

1. Laptop Acer Intel Pentium Dual-Core Prosesor Z4300 Memory 1.00 GB.

2. Harddisk sebagai tempat penyimpanan.

3. Mouse sebagai alat input. 4. Koneksi ke internet dengan

kecepatan minimum 32 Kbps. 5. Printer Canon IP 2770 sebagai

alat cetak. 2. Perangkat lunak

Spesifikasi perangkat lunak yang digunakan untuk membuat aplikasi ini adalah : 1. Windows 7 sebagai sistem operasi. 2. Matlab 7.0 (R2010b) sebagai

perangkat lunak pengolahan citra.

4.2 Objek Citra Digital Kanker Serviks

Citra yang akan digunakan sebagai objek untuk penulisan skripsi ini ada 5 objek citral digital. Citra digital yang diperoleh adalah citra digital kanker serviks yang didapat dari rumah sakit. Contoh citra digital kanker serviks yang digunakan untuk penulisan skripsi ini dapat dilihat pada table 1.

Tabel 1Citra Digital Kanker Serviks

4.3 Uji Coba Aplikasi Menggunakan Metode Canny

Berikut adalah tahapan uji coba yang dilakukan untuk pendeteksian kanker serviks dengan metode canny : 1. Klik tombol F5 atau klik

tombol runing pada matlab sebagai runing aplikasi aplikasi, pilih menu mtama. Maka akan tampil menu utama. Tampilan halaman menu utama dapat dilihat pada gambar 9.

Gambar 9 Tampilan Halaman Menu

Utama

2. Dari halaman menu utama, pilih menu analisis kanker. Menu analisis kanker ini merupakan aplikasi untuk melakukan pendeteksian terhadap kanker serviks. Tampilan halaman analisis kanker dapat dilihat pada gambar 10.

Gamabr 10. Tampilan Halaman

Analisis Kanker Serviks

3. Pada lesi.fig pilih citra digital kanker serviks yang ingin diketahui deteksi tepi lesi dengan cara memilih tombol masukkan file citra. Pada aplikasi ini nama citra yang ingin diuji coba adalah 000009.jpg. Jika tombol masukkan file citra di-klik maka akan tampil macam – macam kanker serviks yang telah disediakan. Tampilan pilih gambar dapat dilihat pada gambar 11.

Gambar 11 Tampilan Pilih Gambar

4. Setelah dilakukan pemilihan pada salah satu citra yang ingin dilakukan proses pendeteksian kanker serviks, pilih frame pilihan yang tersedia apakah termasuk lesi besar atau kecil lalu klik proses segmentasi untuk melihat keselurusan proses segmentasi. Tampilan citra kanker serviks yang dipilih dapat dilihat pada gambar 12.

Gambar 12 Citra Kanker Serviks

Yang Dipilih

5. Setelah dilakukan proses segmentasi maka akan diketahui hasil deteksi kanker serviks berupa garis tepi secara otomatis. Tampilan citra hasil segmentasi Dan hasil deteksi kanker serviks dapat dilihat pada gambar 13.

Gambar 13. Citra Hasil Segmentasi

Dan Hasil Deteksi Kanker Serviks

6. Pada tampilan diatas hanya ditampilkan hasil akhir yaitu citra hasil segmentasi dan tidak ditampilkan proses segmentasi citra, jika ingin melihat proses segmentasi citra dengan metode canny maka bisa di-klik tombol Proses Segmentasi. Proses segmentasi citra untuk objek citra dengan nama 000009.jpg dapat dilihat pada table 2. Tabel 2 Proses Segmentasi Citra

000009.jpg

7. Setelah proses segmentasi dan diketahui letak lesi kanker serviks jika ingin keluar maka pilih tombol keluar untuk keluar dari aplikasi ini. Jika kita pilih tombol keluar atau menu keluar, maka akan tampil kotak dialog pertanyaan. Tampilan kotak dialog pertanyaan untuk keluar dari aplikasi dapat dilihat pada gambar 14.

Gambar 14 Kotak Dialog Pertanyaan

untuk keluar dari aplikasi

8. Di dalam aplikasi ini terdapat 3 menu yang berisi petunjuk penggunaan aplikasi, tahap deteksi kanker serviks, dan informasi tentang pembuat aplikasi. Petunjuk penggunaan aplikasi yang terdapat pada menu Bantuan (Mnbantu.fig). Tampilan halaman bantuan dapat dilihat pada gambar 15.

Gambar 15 Tampilan Halaman Bantuan

9. Untuk informasi tentang tahap deteksi tepi kanker serviks terdapat pada menu informasi kanker (MnInf.fig). Tampilan halaman informasi kanker dapat dilihat pada gambar 16.

Gambar 17 Tampilan Halaman Informasi Kanker

10. Untuk informasi tentang pembuat

aplikasi mendeteksi kanker serviks terdapat pada menu about aplikasi(Mnabout.fig). Tampilan halaman about aplikasi dapat dilihat pada gambar 17.

Gambar 18 Tampilan Halaman About Aplikasi

V. PENUTUP 5.1 Kesimpulan 5.2 Kesimpulan

Aplikasi pendeteksian kanker serviks ini telah selesai dibuat. Aplikasi ini menggunakan metode canny untuk melakukan deteksi tepi lesi. Deteksi tepi kanker serviks dilihat berdasarkan tekstur. Aplikasi ini diperuntukan untuk digunakan oleh user yang mengerti mengenai kanker serviks karena pemotongan citra dilakukan oleh user. Melalui

proses segmentasi, objek yang dipisahkan dari latarnya. Aplikasi ini memperlihatkan setiap tahapan pendeteksian kanker serviks melalui matlab 7.0 (R2010b). Persentase kesalahan deteksi tepi kanker serviks yang dihasilkan adalah 40% dari 5 objek yang diproses.

Aplikasi ini dapat melihat tampilan proses pendeksian kanker sampai hasil deteksi kanker serviks, akan tetapi aplikasi ini hanya dapat mendeteksi gambar asli kanker serviks yang diperoleh dari rumah sakit karena jika diperoleh dari internet, gambar tersebut akan tidak kelihatan karena adanya proses croping yang melihat gambar secara lebih dekat dan pengkategorian lesi besar dan lesi kecil tidak berdasarkan ilmu kedokteran hanya berdasarkan kasat mata. 5.3 Saran

Pengembangan aplikasi selanjutnya diharapkan jenis kanker yang dapat dikenal bukan hanya untuk kanker serviks saja tetapi bisa untuk semua jenis penyakit kanker lainnya dan pendeteksian kanker serviks sudah secara otomatis tidak secara manual lagi.

Semoga aplikasi ini dapat bermanfaat serta dapat dikembangkan menjadi lebih baik pada masa yang akan datang.

DAFTAR PUSTAKA Anonim, ”Landasan Teori Thinning “,http://www.gangsir.com/download/LandasanTeoriThinning.pdf, 19 Juli 2009. Anonim, “Canny Filter for Edge Detection a Java Implementation”, http://www.scribd.com/doc/13174313/Cannys-Filter-for-Edge-Detection-a-Java-Implementation,10 September 2009. Aris Sugiharto, Pemrograman GUI dengan MATLAB, Penerbit Andi, Yogyakarta, 2006. Agung Slamet Riyadi, Flowchart Catatan Kuliah Sistem Informasi, Universitas Gunadarma, 2007.

Rinaldi Munir, Pengolahan CITRA DIGITAL dengan PendekatanAlgoritmik, Penerbit INFORMATIKA, Bandung, 2004. Usman Ahmad, Pengolahan Citra Digital dan TeknikPemrogramannya, Penerbit Graha Ilmu, 2005. Wijaya Marvin Ch. & Prijono Agus,Pengolahan Citra Digital menggunakan MatLab Image Processing Toolbox, Penerbit INFORMATIKA, Bandung, 2007.