ABSTRAKSI: Perkembangan teknologi dunia medis saat ini menuntut kita untuk menciptakan suatu inovasi, demikian halnya dengan metode deteksi jenis tumor pada kelenjar tiroid, analisis yang dilakukan oleh dokter berdasarkan preparat sampel jaringan. Penelitian yang dilakukan sebelumnya menggunakan mikroskop yang dilihat secara visual oleh mata manusia. Oleh karena itu perlu dibuat suatu alat bantu yang dapat mengklasifikasi jenis tumor berdasarkan sampel jaringan pada suatu citra secara cepat dan otomatis, sehingga diperoleh analisis dan bukti yang akurat.
Perancangan sistem pendeteksian tumor menggunakan metode yang berbasis pengolahan citra digital seperti pemotongan citra, filter median, dan deteksi tepi. Setelah didapatkan ciri dari citra jaringan tersebut kemudian citra dikelaskan menggunakan metode Threshold. Proses pengolahan citra dimulai dari input data citra, preprocessing yang terdiri dari konversi ke grayscale, cropping, konversi ke citra biner, dan penghapusan noise dengan filter. Selanjutnya, setelah preprocessing citra siap diolah untuk diambil informasinya. Proses pengolahan citra yang dilakukan adalah openning dan labelling, dari proses ini didapat informasi luas folikel dan invasi kapsul pada kelenjar tiroid. Setelah informasi didapat barulah citra siap untuk diklasifikasi, kemudian melakukan perbandingan antara hasil klasifikasi manual dan otomatis.
Pengujian pada sistem ini menggunakan dua macam parameter, yaitu variasi ukuran window dan nilai C pada adaptive threshold, dan dan ukuran jari – jari Structuring Element (SE) pada proses openning. Tingkat akurasi terbaik diperoleh sistem saat ws = 12 c = 0.02 dan ukuran jari – jari SE (R) untuk folikel 9 dan untuk kapsul 2 yaitu sebesar 100% dengan waktu komputasi 10.118737 detik.Kata Kunci : Patology Anatomy, Thresholding, Adaptive Threshold, MicroscopicABSTRACT: The development of medical technology today requires us to create an innovation, as well as the detection method of the type of tumor in the thyroid gland, the analysis conducted by doctors based on a sample of tissue preparations. Previous research using a microscope that is visually seen by human eyes. Therefore need to be made a tool which can classify the type of tumor tissue samples based on an image quickly and automatically, in order to obtain an accurate analysis and evidence.
Design of a tumor detection system using a method based on digital image processing such as cutting the image, the median filter, and edge detection. Having obtained the characteristics of the network image is then classed image using the Threshold method. The process starts from the input image processing image data, preprocessing consists of converting to grayscale, cropping, converting to a binary image, and the elimination of noise with a filter. Furthermore, after preprocessing the image is processed ready for collection information. The process of image processing is done is openning and labeling, of this process obtained extensive information on the capsule and invasion of follicular thyroid gland. Once information is obtained then the image is ready to be classified, then do a comparison between manual and automatic classification results.
The tests on this system using two kinds of parameters, namely window size variation and the adaptive threshold value C, and Structuring Element (SE) radius in the process of openning. The best accuracy rate obtained by the system when ws = 12 c = 0.02 and SE radius (R) for follicle is 9 and for capsule is 2 is equal to 100% in 10.118737 seconds of computing time.Keyword: Pathology Anatomy, Thresholding, Adaptive Threshold, Microscopic