Garuda - Garba Rujukan Digital

SEGMENTASI CITRA PANORAMIK GIGI MENGGUNAKAN SIMILARITAS ANTAR GRAY LEVEL BERDASARKAN INDEX OF FUZZINESS Pratamasunu, Gulpi Qorik Oktagalu; Arifin, Agus Zainal; Yuniarti, Anny; Wijaya, Arya Yudhi; Khotimah, Wijayanti Nurul; Navastara, Dini Adni
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 14, No 1, Januari 2016
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v14i1.a513

Metode segmentasi citra berdasarkan teori fuzzy dan similaritas antar gray level mampu mengatasi masalah ambiguitas gray level dan pencahayaan yang tidak merata yang biasa ditemui pada citra medis. Namun, segmentasi dengan penentuan initial seeds-nya berdasarkan jumlah piksel minimum menghasilkan citra yang kurang baik saat diterapkan pada citra dengan kontras yang rendah, seperti yang terdapat pada citra panoramik gigi. Pada penelitian ini diusulkan metode segmentasi citra panoramik gigi dengan penentuan initial seeds berdasarkan index of fuzziness terbesar pada histogram. Histogram dibagi kedalam tiga daerah berdasarkan posisi dari pusat fuzzy region. Kemudian, proses pengukuran similaritas antar gray level yang berada pada fuzzy region dilakukan untuk menemukan threshold yang optimal. Performa metode yang diusulkan diuji menggunakan citra panoramik gigi. Evaluasi performa dilakukan dengan menghitung nilai Misclassification Error antara citra hasil segmentasi dengan citra ground truth. Hasil evaluasi menunjukkan bahwa hasil segmentasi metode yang diusulkan pada citra panoramik gigi memiliki performa yang lebih baik dibandingkan dengan hasil segmentasi dari metode Otsu.

Segmentasi Pembuluh Darah Retina Pada Citra Fundus Menggunakan Gradient Based Adaptive Thresholding Dan Region Growing Sutaji, Deni; Fatichah, Chastine; Navastara, Dini Adni
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 2 (2016): Juli-Desember
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Â Segmentasi pembuluh darah pada citra fundus retina menjadi hal yang substansial dalam dunia kedokteran, karena dapat digunakan untuk mendeteksi penyakit, seperti: diabetic retinopathy, hypertension, dan cardiovascular. Dokter membutuhkan waktu sekitar dua jam untuk mendeteksi pembuluh darah retina, sehingga diperlukan metode yang dapat membantu screening agar lebih cepat.Penelitian sebelumnya mampu melakukan segmentasi pembuluh darah yang sensitif terhadap variasi ukuran lebar pembuluh darah namun masih terjadi over-segmentasi pada area patologi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode segmentasi pembuluh darah pada citra fundus retina yang dapat mengurangi over-segmentasi pada area patologi menggunakan Gradient Based Adaptive Thresholding dan Region Growing.Metode yang diusulkan terdiri dari 3 tahap, yaitu segmentasi pembuluh darah utama, deteksi area patologi dan segmentasi pembuluh darah tipis. Tahap segmentasi pembuluh darah utama menggunakan high-pass filtering dan tophat reconstruction pada kanal hijau citra yang sudah diperbaiki kontrasnya sehingga lebih jelas perbedaan antara pembuluh darah dan background. Tahap deteksi area patologi menggunakan metode Gradient Based Adaptive Thresholding. Tahap segmentasi pembuluh darah tipis menggunakan Region Growing berdasarkan informasi label pembuluh darah utama dan label area patologi. Hasil segmentasi pembuluh darah utama dan pembuluh darah tipis kemudian digabungkan sehingga menjadi keluaran sistem berupa citra biner pembuluh darah. Berdasarkan hasil uji coba, metode ini mampu melakukan segmentasi pembuluh darah retina dengan baik pada citra fundus DRIVE, yaitu dengan akurasi rata-rata 95.25% dan nilai Area Under Curve (AUC) pada kurva Relative Operating Characteristic (ROC) sebesar 74.28%. Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Kata Kunci: citra fundus retina, gradient based adaptive thresholding, patologi, pembuluh darah retina, region growing, segmentasi.Â Â Segmentation of blood vessels in the retina fundus image becomes substantial in the medical, because it can be used to detect diseases, such as diabetic retinopathy, hypertension, and cardiovascular. Doctor takes about two hours to detect the blood vessels of the retina, so screening methods are needed to make it faster. The previous methods are able to segment the blood vessels that are sensitive to variations in the size of the width of blood vessels, but there is over-segmentation in the area of pathology. Therefore, this study aims to develop a segmentation method of blood vessels in retinal fundus images which can reduce over-segmentation in the area of pathology using Gradient Based Adaptive Thresholding and Region Growing. The proposed method consists of three stages, namely the segmentation of the main blood vessels, detection area of pathology and segmentation thin blood vessels. Main blood vessels segmentation using high-pass filtering and tophat reconstruction on the green channel which adjusted of contras image that results the clearly between object and background. Detection area of pathology using Gradient Based Adaptive thresholding method. Thin blood vessels segmentation using Region Growing based on the information main blood vessel segmentation and detection of pathology area. Output of the main blood vessel segmentation and thin blood vessels are then combined to reconstruct an image of the blood vessels as output system.This method is able to segment the blood vessels in retinal fundus images DRIVE with an accuracy of 95.25% and the value of Area Under Curve (AUC) in the relative operating characteristic curve (ROC) of 74.28%.Keywords: Blood vessel, fundus retina image, gradient based adaptive thresholding, pathology, region growing, segmentation.

KOMBINASI METODE MULTILAYER PERCEPTRON DAN TEORI FUZZY UNTUK KLASIFIKASI DATA MEDIS Navastara, Dini Adni; Safitri, Julia; Purwitasari, Diana
IKRAITH-INFORMATIKA Vol 2 No 2 (2018): IKRAITH INFORMATIKA VOL 2 NO 2 Juli 2018
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (643.502 KB)

Kemajuan teknologi informasi saat ini banyak digunakan untuk membantu komputasi data dalam berbagaipenelitian, salah satunya dalam bidang kesehatan (medis). Dibutuhkan peranan teknologi informasi untukmembantu komputasi dengan melakukan klasifikasi data medis berdasarkan keterangan-keterangan yangmenjelaskan data tersebut. Dalam tahapan klasifikasi terkadang data masih dapat timbul beberapa ketidakpastianyang disebabkan oleh adanya informasi yang kurang tepat, ambiguitas dalam data masukan, tumpang tindih batasbatasantara kelas, dan ketidaktentuan dalam mendefinisikan fitur. Untuk mengatasi permasalahan tersebut,dilakukan implementasi metode Neuro-fuzzy yang menggunakan kombinasi Neural Network dan pendekatan teoriFuzzy Set untuk klasifikasi data medis. Neuro-fuzzy merupakan penggabungan antara sistem Neural Network dansistem fuzzy. Sistem logika fuzzy memiliki kemampuan menangani data pengetahuan dalam persepsi danpenalaran seperti otak manusia tetapi tidak memiliki kemampuan untuk belajar dan beradaptasi. Sedangkan NeuralNetwork memiliki kemampuan untuk belajar dan beradaptasi tetapi tidak memiliki kemampuan penalaran sepertipada sistem logika fuzzy. Salah satu algoritma yang dapat diandalkan dalam klasifikasi data dari domain NeuralNetwork adalah Multilayer Perceptron Backpropagation Network (MLPBPN). Dari hasil uji coba didapatkantingkat akurasi pada dataset Breast Cancer Wisconsin, Mammographic Mass, dan Pima Indians Diabetes masingmasingmencapai 97,512%, 84,666%, dan 81,613%. Selain itu, metode Neuro-Fuzzy dapat meningkatkan akurasirata-rata sebesar 3,536% dari metode ANFIS.

Segmentasi Citra Ikan Tuna Menggunakan Gradient-Barrier Watershed Berbasis Analisis Hierarki Klaster dan Regional Credibility Merging Fadllullah, Arif; Arifin, Agus Zainal; Navastara, Dini Adni
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. The main issue of object identification in tuna image is the difficulty of extracting the entire contour of tuna physical features, because it is often influenced by uneven illumination and the ambiguity of object edges in tuna image. We propose a novel segmentation method to optimize the determination of tuna region using GBW-AHK and RCM. GBW-AHK is used to optimize the determination of adaptive threshold in order to reduce over-segmented watershed regions. Then, RCM merges the remaining regions based on two merging criteria, thus it produces two main areas of segmentation, the object extraction of tuna and the background. The experimental results on 25 tuna images demonstrate that the proposed method successfully produced an image segmentation with the average value of RAE by 4.77%, ME of 0.63%, MHD of 0.20, and the execution time was 11.61 seconds. Keywords: watershed, gradient-barrier, hierarchical cluster analysis, regional credibility merging, tuna segmentationÂ Abstrak. Kendala utama identifikasi objek tuna pada citra ikan tuna adalah sulitnya mengekstraksi seluruh kontur tubuh ikan, karena seringkali dipengaruhi faktor iluminasi yang tidak merata dan ambiguitas tepi objek pada citra. Penelitian ini mengusulkan metode segmentasi baru yang mengoptimalkan penentuan region objek tuna menggunakan Gradient-Barrier Watershed berbasis Analisis Hierarki Klaster (GBW-AHK) dan Regional Credibility Merging (RCM). Metode GBW-AHK digunakan untuk mengoptimalkan penentuan adaptif threshold untuk mereduksi region watershed yang over-segmentasi. Kemudian RCM melakukan penggabungan region sisa hasil reduksi berdasarkan dua syarat penggabungan hingga dihasilkan dua wilayah utama segmentasi, yakni ekstraksi objek ikan tuna dan background. Hasil eksperimen pada 25 citra ikan tuna membuktikan bahwa metode usulan berhasil melakukan segmentasi dengan nilai rata-rata relative foreground area error (RAE) 4,77%, misclassification error (ME) 0,63%, modified Hausdorff distance (MHD) 0,20, dan waktu eksekusi 11,61 detik. Kata Kunci: watershed, gradient-barrier, analisis hierarki klaster, regional credibility merging, segmentasi tuna

PENGUKURAN KETEBALAN TULANG KORTIKAL PADA CITRA PANORAMA GIGI BERBASIS MODEL Navastara, Dini Adni; Anggraeni, Irna Dwi; Arifin, Agus Zainal
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 15, No. 1, Januari 2017
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v15i1.a641

Pengukuran ketebalan tulang kortikal pada citra panorama gigi merupakan salah satu cara yang dapat digunakan untuk mendiagnosa osteoporosis. Ketebalan tulang kortikal pada gigi merupakan predictor penting untuk mengetahui kualitas kepadatan tulang. Namun, pengukuran ketebalan tulang kortikal pada citra panorama gigi masih dilakukan secara manual oleh ahli medis. Penelitian ini mengusulkan sebuah sistem otomatis untuk mengukur ketebalan tulang kortikal pada citra panorama gigi berbasis model profil. Pengukuran ketebalan tulang kortikal terdiri dari 5 tahapan yaitu ekstraksi fitur menggunakan multiscale line operator dan gradient orientation analysis pada citra Region Of Interest (ROI), segmentasi tulang kortikal, deteksi centerline pada tulang kortikal, pemodelan profil tulang kortikal, dan estimasi tebal tulang kortikal. Metode ini dievaluasi menggunakan 30 citra panorama gigi. Berdasarkan hasil uji coba, rata-rata akurasi segmentasi tulang kortikal pada ROI paling kiri, ROI kiri-tengah, ROI kanan-tengah, dan ROI paling kanan secara berurut-turut sebesar 95.41%, 89.96%, 95.12%, dan 93.50%. Persentase rata-rata selisih ketebalan tulang kortikal antara sistem dan ground truth menggunakan uji-t dengan 95% confidence interval sebesar 96.65%.

FITUR BERBASIS FRAKTAL DARI KOEFISIEN WAVELET UNTUK KLASIFIKASI CITRA DAUN Rakhmadi, Ardhon; Suciati, Nanik; Navastara, Dini Adni
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 15, No. 2, Juli 2017
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v15i2.a672

Semakin banyak dan beragamnya jenis tanaman di dunia mengakibatkan semakin sulit untuk mengidentifikasi dan mengklasifikasi tanaman secara manual. Daun merupakan bagian dari tanaman yang sering dipakai untuk identifikasi dan klasifikasi tanaman. Metode klasifikasi daun secara automatis telah banyak dikembangkan oleh para peneliti. Pada penelitian sebelumnya sistem klasifikasi daun otomatis dibangun menggunakan fitur berbasis fraktal yaitu dimensi fraktal dan lacunarity. Sistem klasifikasi daun otomatis berbasis dimensi fraktal dan lacunarity dapat mengklasifikasi daun dengan akurasi tinggi namun memerlukan banyak langkah preprocessing sehingga mengakibatkan komputasi sistem meningkat. Pada penelitian ini diusulkan penggunaan metode praproses dan ekstraksi wavelet pada ekstraksi fitur citra daun. Ekstraksi fitur menggunakan teknik perhitungan statistika sederhana pada koefisien wavelet sehingga komputasi menjadi lebih ringan. Hasil ekstraksi fitur citra daun akan menjadi data masukan untuk sistem klasifikasi Support Vector Machine (SVM). Hasil eksperimen menunjukkan bahwa metode ekstraksi fitur statistik pada dekomposisi wavelet lebih unggul dibandingkan dengan metode ekstraksi fitur berbasis fraktal (dimensi fraktal dan lacunarity) dari penelitian sebelumnya dengan akurasi 96.66% dan waktu komputasi 329.33 detik.

CLUSTERING TOPIK PENELITIAN BERBASIS UNSUPERVISED LEARNING UNTUK REKOMENDASI KOLEKSI PUSTAKA DI PERPUSTAKAAN ITS Navastara, Dini Adni; Mursidah, Eva; Gonti, Yeni Anita; Wahyuni, Davi; Wiyadi, Petrus Damianus Sammy; Suadi, Wahyu
JUTI: Jurnal Ilmiah Teknologi Informasi Vol. 17, No. 2, Juli 2019
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v17i2.a788

Perpustakaan ITS adalah salah satu penyedia jasa informasi di ITS. Berbagai koleksi fisik yang dikelola meliputi buku teks, buku tugas akhir, buku tesis, jurnal, majalah, serta prosiding seminar nasional. Setiap tahunnya, perpustakaan ITS memperoleh alokasi dana untuk pengadaan buku cetak sebesar 1 M, e-journal sebesar 6 M, dan 300 juta untuk pengadaan e-book. Akan tetapi, dana tidak terserap dengan baik dan feedback untuk pengadaan bahan pustaka ke ULP tidak berjalan maksimal dikarenakan pustakawan mengalami kesulitan ketika melakukan proses seleksi judul-judul bahan pustaka yang akan diajukan ke ULP untuk dibeli. Hal ini menyebabkan bahan pustaka, khususnya buku, yang dibeli kebanyakan tidak sesuai dengan kebutuhan pengguna. Untuk itu diperlukan upaya mencari informasi buku baru sebagai bahan pustaka yang sesuai dengan kebutuhan pengguna berbasis teknologi informasi. Berdasarkan data pengadaan buku di perpustakaan ITS lebih didominasi oleh buku pengembangan yang mendukung referensi publikasi ilmiah. Publikasi ilmiah yang dilakukan oleh para dosen mayoritas merupakan luaran dari penelitian dosen. Oleh karena itu, pada penelitian ini diusulkan klasterisasi tren topik penelitian sebagai rekomendasi pengadaan bahan pustaka di Perpustakaan ITS. Penelitian ini menerapkan konsep text mining yang terdiri dari beberapa tahapan proses yaitu: text preprocessing, proses ekstraksi fitur, proses clustering, dan post-processing. Text preprocessing dilakukan untuk memperbaiki kualitas data teks, sehingga dapat menghasilkan klaster yang relevan dan akurat. Langkah-langkah pada tahap text preprocessing adalah case folding, tokenizing, filtering, dan stemming. Kemudian, dilakukan proses ekstraksi fitur yaitu dengan teknik pembobotan menggunakan Term Frequency dan Inverse Document Frequency (TF-IDF). Fitur-fitur yang dihasilkan pada tahap ekstraksi fitur dilakukan proses clustering menggunakan metode unsupervised learning untuk menghasilkan klaster topik penelitian. Tahap post-processing dilakukan untuk mengevaluasi dan menganalisa hasil klasterisasi tersebut yang selanjutnya digunakan sebagai rekomendasi pengadaan bahan pustaka, khususnya buku.

Segmentasi Pembuluh Darah Retina Pada Citra Fundus Menggunakan Gradient Based Adaptive Thresholding Dan Region Growing Sutaji, Deni; Fatichah, Chastine; Navastara, Dini Adni
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 2 (2016): July
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v2i2.553

Â Segmentasi pembuluh darah pada citra fundus retina menjadi hal yang substansial dalam dunia kedokteran, karena dapat digunakan untuk mendeteksi penyakit, seperti: diabetic retinopathy, hypertension, dan cardiovascular. Dokter membutuhkan waktu sekitar dua jam untuk mendeteksi pembuluh darah retina, sehingga diperlukan metode yang dapat membantu screening agar lebih cepat.Penelitian sebelumnya mampu melakukan segmentasi pembuluh darah yang sensitif terhadap variasi ukuran lebar pembuluh darah namun masih terjadi over-segmentasi pada area patologi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode segmentasi pembuluh darah pada citra fundus retina yang dapat mengurangi over-segmentasi pada area patologi menggunakan Gradient Based Adaptive Thresholding dan Region Growing.Metode yang diusulkan terdiri dari 3 tahap, yaitu segmentasi pembuluh darah utama, deteksi area patologi dan segmentasi pembuluh darah tipis. Tahap segmentasi pembuluh darah utama menggunakan high-pass filtering dan tophat reconstruction pada kanal hijau citra yang sudah diperbaiki kontrasnya sehingga lebih jelas perbedaan antara pembuluh darah dan background. Tahap deteksi area patologi menggunakan metode Gradient Based Adaptive Thresholding. Tahap segmentasi pembuluh darah tipis menggunakan Region Growing berdasarkan informasi label pembuluh darah utama dan label area patologi. Hasil segmentasi pembuluh darah utama dan pembuluh darah tipis kemudian digabungkan sehingga menjadi keluaran sistem berupa citra biner pembuluh darah. Berdasarkan hasil uji coba, metode ini mampu melakukan segmentasi pembuluh darah retina dengan baik pada citra fundus DRIVE, yaitu dengan akurasi rata-rata 95.25% dan nilai Area Under Curve (AUC) pada kurva Relative Operating Characteristic (ROC) sebesar 74.28%. Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Kata Kunci: citra fundus retina, gradient based adaptive thresholding, patologi, pembuluh darah retina, region growing, segmentasi.Â Â Segmentation of blood vessels in the retina fundus image becomes substantial in the medical, because it can be used to detect diseases, such as diabetic retinopathy, hypertension, and cardiovascular. Doctor takes about two hours to detect the blood vessels of the retina, so screening methods are needed to make it faster. The previous methods are able to segment the blood vessels that are sensitive to variations in the size of the width of blood vessels, but there is over-segmentation in the area of pathology. Therefore, this study aims to develop a segmentation method of blood vessels in retinal fundus images which can reduce over-segmentation in the area of pathology using Gradient Based Adaptive Thresholding and Region Growing. The proposed method consists of three stages, namely the segmentation of the main blood vessels, detection area of pathology and segmentation thin blood vessels. Main blood vessels segmentation using high-pass filtering and tophat reconstruction on the green channel which adjusted of contras image that results the clearly between object and background. Detection area of pathology using Gradient Based Adaptive thresholding method. Thin blood vessels segmentation using Region Growing based on the information main blood vessel segmentation and detection of pathology area. Output of the main blood vessel segmentation and thin blood vessels are then combined to reconstruct an image of the blood vessels as output system.This method is able to segment the blood vessels in retinal fundus images DRIVE with an accuracy of 95.25% and the value of Area Under Curve (AUC) in the relative operating characteristic curve (ROC) of 74.28%.Keywords: Blood vessel, fundus retina image, gradient based adaptive thresholding, pathology, region growing, segmentation.

Fuzzy Region Merging using Fuzzy Similarity Measurement on Image Segmentation Wawan Gunawan; Agus Zainal Arifin; Rarasmaya Indraswari; Dini Adni Navastara
International Journal of Electrical and Computer Engineering (IJECE) Vol 7, No 6: December 2017
Publisher : Institute of Advanced Engineering and Science

Some image’s regions have unbalance information, such as blurred contour, shade, and uneven brightness. Those regions are called as ambiguous regions. Ambiguous region cause problem during region merging process in interactive image segmentation because that region has double information, both as object and background. We proposed a new region merging strategy using fuzzy similarity measurement for image segmentation. The proposed method has four steps; the first step is initial segmentation using mean-shift algorithm. The second step is giving markers manually to indicate the object and background region. The third step is determining the fuzzy region or ambiguous region in the images. The last step is fuzzy region merging using fuzzy similarity measurement. The experimental results demonstrated that the proposed method is able to segment natural images and dental panoramic images successfully with the average value of misclassification error (ME) 1.96% and 5.47%, respectively.

Automatic image slice marking propagation on segmentation of dental CBCT Agus Zainal Arifin; Evan Tanuwijaya; Baskoro Nugroho; Arif Mudi Priyatno; Rarasmaya Indraswari; Eha Renwi Astuti; Dini Adni Navastara
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 17, No 6: December 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v17i6.13220

Cone Beam Computed Tomography (CBCT) is a radiographic technique that has been commonly used to help doctors provide more detailed information for further examination. Teeth segmentation on CBCT image has many challenges such as low contrast, blurred teeth boundary and irregular contour of the teeth. In addition, because the CBCT produces a lot of slices, in which the neighboring slices have related information, the semi-automatic image segmentation method, that needs manual marking from the user, becomes exhaustive and inefficient. In this research, we propose an automatic image slice marking propagation on segmentation of dental CBCT. The segmentation result of the first slice will be propagated as the marker for the segmentation of the next slices. The experimental results show that the proposed method is successful in segmenting the teeth on CBCT images with the value of Misclassification Error (ME) and Relative Foreground Area Error (RAE) of 0.112 and 0.478, respectively.

Title

Found 33 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 33 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 33 Documents
Search