BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 ...repository.unair.ac.id/25599/14/14. Bab 4.pdf4.4...
Transcript of BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 ...repository.unair.ac.id/25599/14/14. Bab 4.pdf4.4...
61
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Rancangan Antarmuka (interface) Program
Rancangan antarmuka (interface) program terdiri dari form cover, form
testing dan form training (untuk programer).
4.1.1 Form Cover
Gambar 4.1 Antarmuka (interface) cover program
Pada Gambar 4.1 adalah tampilan awal atau cover untuk masuk ke
perangkat lunak deteksi ischemia. Dimana pada form ini ada tombol tool pada
kiri atas form yakni :
1. Training untuk masuk ke form training data.
2. Testing untuk masuk ke form testing data.
3. Exit untuk keluar dari form.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
62
4.1.2 Form Training
Gambar 4.2 Antarmuka (interface) training program
Pada Gambar 4.2 merupakan form pelatihan (traininig) untuk
pembelajaran pola grafik potensial sinyal ECG untuk nantinya hasilnya menjadi
masukan pada form testing deteksi ischemia pada citra sinyal ECG. Pengguna
(programer) bisa memberi masukan yang bervariasi pada hidden layer dan epoch.
Output yang ditampilkan pada form training adalah bobot dan bias baru untuk
hidden dan input.Dimana pada form ini ada tombol tool pada kiri atas form yakni:
A. Tombol Proses, berisi training untuk mengolah citra sinyal ECG agar bisa
menghasilkan citra yang sesuai keinginan.
B. Tombol File, berisi exit untuk keluar dari form.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
63
4.1.3 Form Testing
Gambar 4.3 Antarmuka (interface) testing program
Pada Gambar 4.3 adalah form uji (testing) untuk deteksi ischemia pada citra grafik
sinyal ECG, dimana pada form ini output yang ditampilkan yaitu hasil pengolahan
citra dari proses grayscale, gamma corection, segmentasi,morfologi citra dan hasil
visualisasi ekstraksi fitur citra ECG yang diujikan. Form ini ada beberapa tombol
tool pada kiri atas form yakni:
A. Tombol File, terdiri dari:
1. Browse untuk mengambil data citra sinyal ECG pada directory.
2. Exit untuk keluar dari form.
B. Tombol Proses, terdiri dari:
1. Olahcitra untuk mengolah citra sinyal ECG agar bisa menghasilkan
citra proses grayscale, gamma corection, segmentasi, morfologi
(proses dilasi dan erosi) serta proses ektraksi fitur.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
64
2. Deteksi Ischemia untuk menganalisis hasil olahcitra dan
menampilkan hasil diagnosa penyakit.
4.2 Persiapan Data
Tahap awal yang dilakukan adalah persiapan data yakni melakukan
pemotongan citra sinyal ECG pada lead III. Penggunaan lead III dikarenakan
menurut referensi dari dokter kelainan myocardial ischemia muncul pada lead III,
sedangkan pemotongan citra sinyal ECG pada lead III memiliki lebar sebesar 157
pixel. Pengambilan nilai 157 pixel berdasarkan visual dari lead yang
direferensikan oleh dokter. Banyak data citra sinyal ECG terdiri dari 66 data
training dan 26 data testing, dimana masing-masing data terdiri dari data jantung
normal, ischemia dan abnormal variasi jantung. Gambar hasil pemotongan citra
sinyal ECG untuk normal jantung, ischemia dan abnormal variasi jantung
disajikan pada Gambar 4.4
(a)Normal (b) Ischemia (c) Abnormal Variasi
Gambar 4.4 Hasil pemotongan Citra ECG
Setelah persiapan data selesai, mulai pengolahan citra, pengujian proses
jaringan saraf tiruan serta pembuatan rancangan antarmuka (interface) program.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
65
4.3 Hasil Pengolahan Citra
4.3.1 Proses Preprosesing
Tahap pertama dilakukan proses grayscale dimana mengubah citra ECG
berwarna menjadi citra abu-abu (gray). Tahap ketiga adalah proses gamma
correction. Gamma correction sangat penting dalam upaya menampilkan citra
secara akurat. Citra yang tidak diperbaiki dengan benar sering menampilkan
tampilan yang tidak sesuai, dan yang sering adalah gambar teralalu gelap. Gambar
hasil grayscale citra sinyal ECG untuk normal jantung, ischemia dan abnormal
variasi jantung disajikan pada Gambar 4.5, dan untuk hasil gamma corection
disajikan pada Gambar 4.6.
(a)Normal (b) Ischemia (c) Abnormal Variasi
Gambar 4.5 Hasil Grayscale Citra ECG
(a)Normal (b) Ischemia (c) Abnormal Variasi
Gambar 4.6 Hasil Gamma Corection Citra ECG
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
66
4.3.2 Proses Segmentasi
Pada proses segmentasi, menentukan nilai threshold (T) adalah dengan
membuat histogram citra. Nilai T dapat dipilih secara manual atau dengan teknik
yang otomatis. Nilai ambang T dipilih sedemikian sehingga galat yang diperoleh
sekecil mungkin. Gambar hasil threshold untuk disajikan pada Gambar 4.7.
(a)Normal (b) Ischemia (c) Abnormal Variasi
Gambar 4.7 Hasil threshold Citra ECG
4.3.3 Proses Morfologi Citra
Dalam proses morfoologi dilakukan 2 operasi pengolahan citra yakni
operasi dilasi dan operasi erosi.
A. Proses Dilasi
Proses dilasi adalah “penumbuhan” atau “penebalan” dalam citra biner.
Proses ini merupakan proses perbaikan citra ECG akibat dari proses threshold,
pengertian penebalan ini dikontrol oleh bentuk strel yang digunakan, dimana strel
yang digunakan pada pengolahan citra ini adalah strel jenis square (bujur
sangkar). Gambar hasil dilasi citra sinyal ECG untuk normal jantung, ischemia
dan abnormal variasi jantung disajikan pada Gambar 4.8.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
67
(a)Normal (b) Ischemia (c) Abnormal Variasi
Gambar 4.8 Hasil dilasi Citra sinyal ECG
B. Proses Erosi
Proses erosi citra, dimana proses ini mengecilkan atau menipiskan obyek
citra biner, berbeda dengan dilasi yang melakukan penumbuhan/penebalan. Proses
erosi dapat dianggap sebagai operasi morphological filtering dimana detail citra
yang lebih kecil dari strel akan difilter (dihilangkan) dari citra. Pada proses ini
menggunakan strel jenis square (bujur sangkar). Gambar hasil erosi citra sinyal
ECG untuk normal jantung, ischemia dan abnormal variasi jantung disajikan pada
Gambar 4.9.
(a)Normal (b) Ischemia (c) Abnormal Variasi
Gambar 4.9 Hasil Erosi Citra sinyal ECG
4.3.4 Proses Ekstraksi fitur
Data citra biner sinyal ECG hasil proses morfologi (proses erosi) akan
diolah dalam proses ini dimana menggunakan ekstraksi fitur bentuk sehingga
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
68
didapatkan ordinat potensial citra sinyal ECG yang kemudian dijadikan sebagai
masukan untuk proses training JST. Setelah didapatkan ordinat potensial grafik
sinyal ECG, dibuat visualisasi potensial citra ECG untuk mengetahui hasil dari
pengolahan citra sama dengan gambar aslinya. Gambar visualisasi fitur potensial
citra ECG untuk normal jantung, ischemia dan abnormal variasi jantung disajikan
pada Gambar 4.10.
(a)Normal (b) Ischemia (c) Abnormal Variasi
Gambar 4.10 Visualisasi Fitur Potensial Citra ECG
4.4 Pengujian Proses Jaringan Saraf Tiruan (backpropagation)
Pengujian ini dilakukan pada proses-proses yang terdapat dalam aplikasi
jaringan saraf tiruan.
4.4.1 Hasil Pelatihan (Training) Pada Model Jaringan Saraf Tiruan (backpropagation)
Hasil pelatihan (training) menggunakan metode trial dan error dalam
pengujian ini. Dimana variabel hidden layer selama pelatihan berubah-ubah.
Pengaruh jumlah hidden layer terhadap lamanya pelatihan, hubungan Jumlah
hidden layer, epoch dan MSE disajikan pada Tabel 4.1.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
69
Tabel 4.1 Hubungan Jumlah hidden layer, epoch dan MSE.
No.Hidden Layer
Epoch MSEAkurasi
(%)1. 3 11000 0,405 74,2424
2. 6 11000 0,0231 98,4848
3. 9 11000 3,25 x 10-5 100
4. 11 8731 9,98 x 10-6 100
5. 22 904 9,93 x 10-5 100
6. 40 1558 9,86 x 10-5 100
7. 50 1328 9,97 x 10-6 100
8. 60 6328 9,97 x 10-6 100
9. 80 5682 9,98 x 10-6 100
10. 100 3415 9,91 x 10-6 100
Dari Tabel 4.1 jumlah hidden layer dari 3 sampai 100, berpengaruh pada nilai
MSE dimana semakin banyak jumlah hidden layer maka nilai MSE semakin
mendekati nilai konstan (kovergen). Dari hasil variasi hidden layer tersebut
didapatkan hasil nilai MSE mendekati nilai konstan pada hidden layer sebanyak
11 dengan tingkat akurasi mencapai 100 %, sehingga arsitektur jaringan ini akan
menjadi masukan pada proses testing. Hasil proses training data pada jumlah
hidden layer 11 dapat dilihat pada Gambar 4.11.
Gambar 4.11 Grafik MSE terhadap Epoch pada hidden layer 11
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
70
4.4.2 Hasil Testing Model Jaringan Saraf Tiruan (Backpropagation)
Uji validasi yang dilakukan adalah bobot baru hasil dari proses training
dibuat sebagai masukan (input) untuk proses testing, kemudian dengan target data
testing yang telah ditentukan. Data diolah pada jaringan saraf tiruan (JST), output
menghasilkan diagnosa dari citra ECG tersebut. Hasil deteksi citra ECG oleh
jaringan saraf tiruan backpropagation dibandingkan dengan identifikasi hasil
medis, kemudian dari perbandingan tersebut akan diketahui apakah data tersebut
sudah sesuai dengan hasil medis. Hasil testing data disajikan pada Tabel 4.2
dengan nilai target 1 untuk kondisi ischemia, nilai target 0 untuk kondisi normal,
dan nilai target -1 untuk kondisi abnormal variasi jantung.
Tabel 4.2 Hasil uji software dibandingkan dengan hasil identifikasi medis.
No. CitraECG
Kondisi TargetHasil Medis
Hasil Software
1
Ischemia 1 Ischemia Terdeteksi
2
Normal 0 Normal Terdeteksi
3
Ischemia 1 Ischemia Gagal
4Abnormal
Variasi-1
Abnormal Variasi
Terdeteksi
5
Ischemia 1 Ischemia Terdeteksi
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
71
6Abnormal
Variasi-1
Abnormal Variasi
Terdeteksi
7
Normal 0 Normal Terdeteksi
8
Normal 0 Normal Terdeteksi
9
Ischemia 1 Ischemia Terdeteksi
10
Normal 0 Normal Terdeteksi
11
Ischemia 1 Ischemia Terdeteksi
12
Normal 0 Normal Terdeteksi
13
Ischemia 1 Ischemia Terdeteksi
14
Normal 0 Normal Gagal
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
72
15
Abnormal Variasi
-1Abnormal
VariasiTerdeteksi
16
Normal 0 Normal Terdeteksi
17
Abnormal Variasi
-1Abnormal
VariasiGagal
18
Normal 0 Normal Terdeteksi
19
Abnormal Variasi
-1Abnormal
VariasiTerdeteksi
20
Normal 0 Normal Terdeteksi
21Abnormal
Variasi-1
Abnormal Variasi
Terdeteksi
22
Normal 0 Normal Terdeteksi
23
Abnormal Variasi
-1Abnormal
VariasiTerdeteksi
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi
73
Kesalahan deteksi software adalah 3 kali kesalahan dari 26 data yang diuji
cobakan terhadap sistem, dengan kata lain tingkat akurasinya mencapai 89 %.
datajumlah total
id tidak valdatajumlah dataaljumlah totakurasi x 100 %
26
326 akurasi x 100%
26
23akurasi x 100% = 88,461 %
Pada penelitian Febrianty (2007) hasil performansi akurasi JST resilient
propagation didapatkan akurasi pengenalan data latih sebesar 100% sedangkan
akurasai pengenalan data uji sebesar 84,21%. Pada penelitian ini didapatkan
kinerja perangkat lunak jaringan saraf tiruan backpropagation dimana akurasi
pelatihan mencapai 100 % serta MSE mendekati nilai konstan (konvergen),
akurasi pengenalan data uji sebesar 88,461 %. Dengan demikian kinerja
perangkat lunak JST backpropagation lebih baik dibandingkan JST resilient
propagation dikarenakan proses pembelajaran JST backpropagation melakukan
beberapa kali pelatihan pada setiap data latih dimana error yang dihasilkan
dipropagasikan (balik) kembali ke unit-unit dibawahnya untuk untuk melakukan
pembaharuan bobot sehingga JST backpropagation termasuk baik dalam
pengenalan pola sinyal ECG iraman myocardial ischemia.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Sinyal ECG Irama Myocardial Ischemia dengan Jaringan Saraf Tiruan
Muchammad Taufiq Bachrowi