DETEKSI OSTEOPOROSIS BERBASIS ANALISIS TEKSTUR … fileOsteoporosis adalah suatu keadaan dimana kepadatan tulang mulai berkurang dan disertai kerusakan mikroarsitektur tulang, sehingga

DETEKSI OSTEOPOROSIS BERBASIS ANALISIS TEKSTUR DENGANMENGGUNAKAN ANDROID

Mhd Ridho Syahputra¹, Unang Sunarya², Eko Susatio³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

AbstrakABSTRAK Osteoporosis adalah penyakit dengan ciri khas berupa rendahnya masa tulang yangdisertai perubahan-perubahan mikro arsitektur tulang dan penurunan kualitas jaringan tulangyang akhirnya meningkatkan kerapuhan tulang dengan risiko terjadinya patah tulang. Salah satumetode pendeteksian osteoporosis adalah dengan menggunakan Singh Index. Nilai Singh Indexmemiliki beberapa tingkatan atau grade dari 1 sampai 6 dalam pendeteksian osteoporosis dilihatdari trabekula pada tulang femur. Singh Index merupakan metode pendeteksian osteoporosisyang hanya bisa dilakukan oleh dokter ahli tulang dan ketajaman mata sangat berpengaruhterhadap hasil yang didapatkan. Untuk itu dibutuhkan suatu sistem yang efisien, efektif, danakurat dalam pendeteksian osteoporosis sehingga tidak terjadi kesalahan dalam interpretasihasil.Pada tugas akhir ini dirancang sebuah aplikasi berbasis android untuk mendeteksi osteoporosis,yang bernama Osteogram. Metode analisis tekstur yang digunakan adalah tresholding metodeOtsu dengan memanfaatkan citra X-Ray tulang. Metode Otsu adalah suatu metode dalamsegmentasi yang menghitung nilai ambang secara otomatis berdasarkan citra masukan. Sistemakan memproses citra masukan yang berupa citra grayscale yang hasilnya nanti akandibandingkan dengan hasil pendeteksian menggunakan Singh Index.Aplikasi Osteogram ini sudah mampu mendeteksi tulang normal dan tulang osteoporosis secaranon-realtime dengan tingkat akurasi sistem sebesar 77,08% dan rata–rata waktu komputasirata–rata sebesar 1,89 detik.

Kata Kunci : Osteoporosis, Analisis Tekstur, Tresholding, Metode Otsu, Android, Singh Index

AbstractABSTRACT Osteoporosis is a disease characterized by low bone mass typical of which isaccompanied by changes in bone micro-architecture of bone tissue and loss of quality whichultimately increases the risk of bone fragility fractures. One method is to use the detection ofosteoporosis Singh Index. Singh Index value has multiple levels or grade of 1 to 6 in the detectionof osteoporosis seen in the trabecular bone of the femur. Singh Index is osteoporosis detectionmethods that can only be done by doctors chiropractors and eye acuity greatly affect the resultsobtained. For that we need a system that is efficient, effective, and accurate in the detection ofosteoporosis so there is no mistake in the interpretation of results.In this thesis designed an android-based application to detect osteoporosis, which is namedOsteogram. Texture analysis method used is tresholding Otsu method by utilizing the X-Rrayimage of the bones. Otsu method is a method of calculating the segmentation threshold valueautomatically based on the input image. The system will process the input image is a grayscaleimage that results will be compared with the results of detection using the Singh Index.Osteogram application has been able to detect normal and osteoporotic bone in a non-realtimesystem with an accuracy rate of 77,08 % and the average computation time by an average of 1.89second.

Keywords : Osteoporosis , Texture Analysis , Tresholding , Otsu method , Android , Singh Index

Powered by TCPDF (www.tcpdf.org)

Tugas Akhir - 2014

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

DETEKSI OSTEOPOROSIS BERBASIS ANALISIS TEKSTUR DENGAN MENGGUNAKANANDROID 1

BAB 1PENDAHULUAN

1.1 Latar Belakang

Tulang merupakan unsur terpenting dalam tubuh manusia sebagai bahan

pembentukan dan penguat tubuh. Tulang sendiri adalah merupakan sejenis

jaringan penunjang tubuh yang memiliki bahan dasar protein yang berupa ossein,

sel tulang osteosit, dan serat jaringan ikat kolagen.

Osteoporosis adalah suatu keadaan dimana kepadatan tulang mulai

berkurang dan disertai kerusakan mikroarsitektur tulang, sehingga tulang akan

menjadi rapuh dan mudah patah. Gejala yang timbul bervariasi, namun umumnya

terjadi tanpa gejala, sehingga seringkali seseorang tidak menyadari dirinya

menderita osteoporosis sampai terjadinya patah tulang. Penyebabnya adalah

kekurangan kalsium dan mineral lain didalam tulang. Beberapa jenis makanan

juga bisa menyebabkan tulang mudah keropos. Makanan penyebab kerapuhan

tulang adalah kafein, minuman bersoda, garam berlebihan, dan alkohol.

Salah satu teknik radiologi yang digunakan untuk mendeteksi osteoporosis

adalah Singh Index. Namun untuk mendeteksinya hanya bisa dilakukan oleh

dokter ahli tulang dan ketajaman mata sangat berpengaruh terhadap hasil yang

didapat. Waktu yang digunakan untuk mendeteksi osteoporosis juga tidak

sebentar. Untuk mendeteksi osteoporosis dengan Singh Index butuh fokus dan

perhitungan nilai indeks yang matang sehingga tidak terjadi kesalahan interpretasi

hasil.

Oleh karena itu, pada tugas akhir ini akan dirancang suatu aplikasi

berbasis android yang efektif, efisien, dan akurat untuk membantu medis

mendeteksi osteoporosis. Android adalah sebuah sistem operasi untuk perangkat

mobile berbasis linux yang mencakup sistem operasi, middleware dan aplikasi.

Android menyediakan platform terbuka bagi para pengembang untuk menciptakan

aplikasi, termasuk aplikasi untuk membantu medis dalam pendeteksian suatu

penyakit seperti osteoporosis. Dalam tugas akhir ini, android dipilih karena

sifatnya yang fleksibel, mudah dalam penggunaannya jika dibandingkan dengan

Tugas Akhir - 2014



Computer Vision dan tidak tertutup kemungkinan OS Android menjadi OS yang

handal dan dipercaya medis untuk melakukan suatu pendeteksian penyakit karena

kemampuannya yang canggih, cepat, dan relatif murah.

Sistem dirancang dengan menggunakan analisis tresholding metode Otsu

dengan memanfaatkan citra X-Ray tulang femur. Analisis dengan memanfaatkan

thresholding merupakan salah satu cara untuk mengenali suatu citra sesuai dengan

nilai ambangnya. Dalam analisisnya, dengan memanfaatkan Metode Otsu untuk

menentukan nilai ambang dari suatu citra. Metode Otsu merupakan sebuah

metode untuk menghitung nilai ambang T secara otomatis berdasarkan citra

masukan. Pendekatan yang digunakan dalam metode Otsu adalah dengan

melakukan analisis diskriminan yaitu menentukan suatu variabel yang dapat

membedakan antara dua atau lebih kelompok yang muncul secara alami. Dalam

prosesnya, metode Otsu akan menghasilkan citra yang memiliki dua nilai tingkat

keabuan yaitu hitam dan putih. Permasalahan utama dalam metode Otsu adalah

menentukan nilai ambang (threshold). Nilai ini akan digunakan untuk

mempartisi/membagi citra grayscale ke dalam dua nilai yaitu hitam dan putih.

Penentuan nilai ambang akan ditetapkan pada suatu nilai tertentu (fixed threshold)

yang diterapkan pada citra tulang sehingga dapat digunakan untuk proses

penentuan ciri tulang normal, dan osteoporosis pada citra tulang femur.

1.2 Tujuan Penelitian

Tujuan dan manfaat dari tugas akhir ini dapat dirumuskan sebagai berikut:

1. Menerapkan algoritma analisis tekstur untuk mendeteksi osteoporosis.

2. Merancang dan mengimplementasi aplikasi pendeteksi osteoporosis.

3. Melakukan analisis performansi dari sistem yang dibuat berdasarkan

parameter akurasi dan kecepatan sistem.

4. Membantu dunia medis untuk memperkaya teknologi pendeteksian

osteoporosis.

1.3 Rumusan Masalah

Rumusan masalah dalam tugas akhir ini adalah sebagai berikut:

Tugas Akhir - 2014



1. Mempelajari tentang bagaimana merancang sistem yang dapat mendeteksi

osteoporosis.

2. Mempelajari bagaimana menerapkan proses deteksi osteoporosis

menggunakan analisis tekstur.

1.4 Batasan Masalah

Untuk menghindari agar materi yang dibahas pada tugas akhir ini tidak

meluas, maka penulis membatasi permasalahan dalam tugas akhir ini hanya

mencakup hal-hal berikut:

1. Menggunakan perangkat lunak Eclipse.

2. Penelitian dilakukan di bagian Radiologi di Rumah Sakit Hasan Sadikin,

Bandung.

3. Metode yang dipakai dalam pengerjaan tugas akhir ini adalah analisis

tekstur.

4. Citra latih sebanyak 30 buah citra tulang normal dan citra uji sebanyak 48

buah citra yang terdiri dari citra tulang normal dan citra tulang

osteoporosis yang digunakan sebagai masukan sistem pada pengujian non-

realtime.

5. Region of Interest (ROI) pada citra adalah trabekula pada tulang femur.

6. Objek yang digunakan pada simulasi sistem adalah citra digital X-Ray

grayscale dengan format *.jpg

7. Citra masukan sistem berukuran 2048 x 2048 pixel.

1.5 Metodologi Penelitian

Metodologi penelitian yang digunakan untuk menyelesaikan tugas akhir

ini adalah:

1. Studi literatur dan pustaka

2. Melakukan studi pustaka dan mencari referensi tentang pengolahan citra,

proses pendeteksi osteoporosis dengan analisis tekstur, serta algortma pada

eclipse.

3. Analisis kebutuhan dan perancangan model sistem

Tugas Akhir - 2014



4. Analisis kebutuhan sistem dilakukan berdasarkan permasalahan yang

dihadapi dan merancang pemodelan sistem untuk mengatasi permasalahan

yang terjadi menggunakan konsep deteksi penyakit osteoporosis.

5. Implementasi perancangan model sistem

6. Implementasi pemodelan sistem menggunakan algoritma berdasarkan

analisis yang telah didapatkan dengan menggunakan perangkat lunak

Eclipse.

7. Uji coba sistem dan analisis performansi

8. Melakukan pengujian dari sistem yang telah dibuat pada proses

implementasi.

9. Penyusunan tugas akhir dan kesimpulan.

1.6 Sistematika Penulisan

BAB I PENDAHULUAN

Berisi tentang latar belakang, tujuan dan manfaat

pembahasan, rumusan masalah, batasan masalah,

metodologi penelitian, dan sistematika penulisan.

BAB II DASAR TEORI

Menjelaskan dasar teori mengenai pengenalan ciri penyakit

osteoporosis, metode analisis tekstur.

BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM

Bab ini berisi tentang perancangan dan implementasi sistem

dengan algoritma yang digunakan pada perangkat lunak

Eclipse.

BAB IV PENGUJIAN DAN ANALISIS SISTEM

Membahas tentang analisis sistem perangkat lunak yang

dibangun. Analisis sistem membahas analisis kebutuhan

sistem dan arsitektur sistem yang dibangun.

BAB V PENUTUP

Berisi tentang kesimpulan dan saran pengembangan dari

penelitian yang akan dilakukan.


Tugas Akhir - 2014



BAB IV

PENGUJIAN SISTEM DAN ANALISIS

4.1 Analisis Kebutuhan

Perancangan aplikasi Osteogram membutuhkan beberapa aspek

pendukung yaitu perangkat lunak (software) dan perangkat keras (hardware).

Spesifikasi perangkat lunak dan keras yang digunakan untuk proses pengujian

tugas akhir ini adalah sebagai berikut.

1. Perangkat Lunak (Software)

Perancangan sistem dan pembuatan program membutuhkan beberapa

perangkat lunak sebagai berikut :

a. Windows 7 Ultimate Basic 32-bit

b. Java SE Development Kit 1.6

c. Android IDE Eclipse 3.7.2

d. Android Software Development Kit (SDK) Manager

e. Android Virtual Device

2. Perangkat Keras (Hardware)

Perangkat keras yang digunakan untuk membuat program adalah sebuah

laptop yang memiliki spesifikasi sebagai berikut :

a. Laptop : ACER Aspire One 722

b. Processor : AMD C-60 APU with Radeon(tm) HD Graphics 1.00

GHz

c. Memori : 2048 MB RAM

Sedangkan spesifikasi ponsel Android yang digunakan untuk simulasi adalah

sebagai berikut :

a. Android Device: Samsung Galaxy Note 8.0 N5100

b. Resolusi layar : 2592х1944 pixels

c. RAM : 2 GB

d. Android OS : v4.2.2 (JellyBean)

e. Kamera : 5 Megapixel

Tugas Akhir - 2014



4.2 Pengujian Sistem

Sistem yang telah dirancang perlu dilakukan pengujian. Pengujian ini

bertujuan untuk mengetahui performansi sistem berdasarkan parameter akurasi

dan waktu komputasi sistem serta menganalisis hasil kerja sistem sehingga dapat

diketahui kekurangan dan kelebihan dari sistem yang telah dirancang. Pada bab

ini akan dilakukan analisis pada setiap proses sesuai skenario pendeteksiannya

berikut dengan hasil-hasilnya.

4.3 Skenario Pengujian Sistem

Citra masukan berupa citra X-Ray yang diambil dari rumah sakit Hasan

Sadikin Bandung dengan resolusi 2048x2048 pixels dan format citra JPG.

Terdapat 30 citra latih dan 48 citra uji yang terdiri dari 78 citra X-Ray tulang

pelvis untuk pelatihan dan pengujian secara non-realtime. Semua citra latih

memiliki format JPG dengan resolusi 2048x2048 pixel yang kemudian dilakukan

cropping manual oleh user pada bagian Region of Interest (ROI) dengan ukuran

100x100 pixels. ROI pada pengujian sistem adalah trabekula tulang femur.

Gambar 4.1 Hasil Pengambilan Citra; Tulang Pelvis (kiri), ROI Tulang Femur

(tengah), Proksimal Tulang Femur (kanan)

4.4 Hasil Pengujian Sistem

Semua citra uji akan diklasifikasikan ke salah satu dari 2 kondisi, yaitu

tulang normal atau tulang osteoporosis. Parameter yang digunakan adalah akurasi

sistem dan waktu komputasi. Pada proses pengujian sistem, akan dilakukan

penentuan nilai ambang pada citra masukan secara otomatis oleh proses metode

Otsu. Ciri citra masukan yang sudah dilakukan cropping memiliki guratan-guratan

putih yang akan membentuk suatu pola. Banyaknya guratan pada bagian trabekula

Tugas Akhir - 2014



tulang femur mengindikasi bahwa tulang tersebut masih dalam keadaan sehat

(normal). Redusi yang terjadi pada trabekula tulang femur menyebabkan guratan

putih akan semakin sedikit. Semakin sedikitnya guratan putih akan menyebabkan

trabeku tulang femur semakin menipis, sehingga bisa menyebabkan osteoporosis

dengan resiko patah tulang. Maka dari itu, proses pengujian sistem akan melihat

presentase pixel putih (luasan pixel putih) terhadap total pixel citra yang kemudian

akan diklasifikasi menjadi tulang normal atau tulang osteoporosis berdasarkan

nilai SETUP-nya.

4.4.1 Analisis Ekualisasi

Setelah citra masukan di-input, maka akan diproses secara ekualisasi.

Proses ekualisasi ini akan memperlihatkan mana bagian yang lembah (hitam) dan

mana bagian yang puncak (putih) dari citr masukan. Bagian lembah adalah bagian

yang osteoporosis, sedangkan bagian puncak adalah bagian tulang yang masih

sehat (normal).

Proses ekualisasi akan menguatkan pixel-pixel yang dominan pada citra

dan melemahkan pixel-pixel yang tidak dominan. Untuk itu, pada proses

ekualisasi citra, dibutuhkan histogram citra grayscale dari citra asli.

Setiap kode warna dalam setiap pixel memiliki nilai histogram citra. Nilai

tersebut yang digunakan sebagai nilai pengganti dalam setiap pixel citra tersebut.

Hasil dari ekualisasi ini akan memperlihatkan dengan jelas mana bagian yang

lembah (hitam) dan mana bagian yang puncak (putih) pada citra.

Proses ekualisasi sangat dibutuhkan pada proses penentuan nilai ambang

(threshold) karena proses ekualisasi melakukan pemerataan pada histogram citra

pada sama level keabuan. Sehingga, dalam proses penentuan nilai threshold oleh

metode Otsu, nilai ambang yang didapatkan menjadi lebih tepat. Citra hasil proses

ekualisasi bisa dilihat pada tabel dibawah ini:

Tugas Akhir - 2014



Tabel 4.1 Citra Hasil Proses Ekualisasi

Citra Asli Status CitraKeterangan Hasil Pengujian

Singh Index Ekualisasi

Uji (1) Normal

Uji (2) Osteoporosis

4.4.2. Analisis Metode Otsu

Setelah proses ekualisasi selesai yang mana citra akan lebih kelihatan

mana bagian yang putih dan hitam, maka akan dilanjutkan pada proses Otsu.

Proses ini bertujuan untuk mencari nilai threshold (ambang) yang tepat untuk

memisahkan mana bagian yang cenderung gelap (hitam) dan mana bagian yang

cenderung terang (putih). Sistem ini bersifat serial dimana citra masukan dari

proses Otsu adalah hasil dari ekualisasi citra atau hasil dari proses sebelumnya.

Hasil dari proses Otsu adalah sebuah nilai yang berkisar dari 0 sampai 255

(tingkat keabuan 8 bit). Setiap citra masukan pada proses Otsu akan menghasilkan

nilai ambang yang berbeda-beda karena setiap citra masukan memiliki guratan-

guratan (ketebalan trabekula) dan intensitas warna pada semua level grayscale

berbeda-beda.

Dari hasil pengujian sistem, nilai threshold (ambang) yang didapatkan dari

proses Otsu hasilnya bervariasi. Nilai threshold dari citra uji berkisar antara 129

(batas bawah) sampai 156 (batas atas) dengan nilai threshold rata-rata adalah

136,875. Sedangkan untuk waktu komputasi sistem berkisar antara 1 (batas

bawah) sampai 4 (batas atas) detik dengan rata-rata waktu komputasi adalah 1,89

detik.

Tugas Akhir - 2014



4.4.3 Analisis Thresholding Metode Otsu

Proses terakhir adalah proses thresholding yang merupakan implementasi

lanjutan dari proses Otsu. Masukan pada proses ini adalah citra masukan hasil

ekualisasi dan nilai threshold yang didapatkan pada proses Otsu. Pada bagian ini,

pixel-pixel dibawah nilai ambang hasil dari proses Otsu akan dieksekusi menjadi

bernilai 0 (hitam) dan pixel-pixel diatas nilai ambang akan dieksekusi menjadi

bernilai 255 (putih) pada setiap citra masukan. Hasil yang didapatkan adalah citra

biner black & white seperti pada tabel dibawah ini :

Tabel 4.2 Citra Hasil Thresholding Metode Otsu

Citra Asli Citra Uji

Keterangan Hasil Pengujian

Singh Index EkualisasiThresholding

Metode Otsu

Uji (1) Normal

Uji (2) Osteoporosis

Setelah dari proses thresholding, maka dapat dihitung jumlah pixel putih

dan jumlah pixel hitam pada citra uji. Kemudian dari jumlah kedua pixel tersebut

diperbandingkan dalam aplikasi dengan rumus :

Perbandingan = Pixel Putih/(Pixel Putih + Pixel Hitam) x 100%

Nilai SETUP yang sudah di tentukan berdasarkan pelatihan citra

digunakan sebagai acuan untuk mengklasifikasikan citra masukan, apakah citra

tersebut termasuk kategori normal ataupun termasuk kategori osteoporosis.

Tugas Akhir - 2014



Jika nilai perbandingan diatas lebih besar sama daripada nilai SETUP,

maka citra masukan diklasifikasi menjadi tulang normal dan jika nilai

perbandingan lebih kecil daripada nilai SETUP, maka citra masukan diklasifikasi

menjadi tulang osteoporosis.

Nilai SETUP yang dihasilkan berupa presentase pixel putih terhadap total

pixel dimana pada sistem ini SETUP yang digunakan bernilai 46,76% berdasarkan

hasil pelatihan citra.

Dari proses thresholding metode Otsu ini, didapatkan jumlah pixel hitam

dan putih yang diikuti presentase pixel putih pada citra masukan disertai status

citra tulang yang diuji dengan nilai SETUP sebagai acuan klasifikasi citra sebagai

berikut :

Tabel 4.3 Klasifikasi Citra Uji Oleh Sistem

Citra UjiJumlah

Pixel Hitam

Jumlah

Pixel Putih

Presentase

Pixel PutihStatus

Uji (1) 5241 4759 47.59 Normal

Uji (2) 5481 4519 45,19 Osteoporosis




Uji (6) 5129 4871 48,71 Normal

Uji (7) 5322 4678 46,78 Normal

Uji (8) 5315 4685 46,85 Normal

Uji (9) 5193 4807 48,07 Normal

Uji (10) 5290 4672 47,10 Normal



Uji (13) 5091 4909 49,09 Normal


Uji (15) 5175 4825 48,25 Normal

Tugas Akhir - 2014




Uji (17) 5320 4680 46,80 Normal

Uji (18) 5153 4847 48,47 Normal

Uji (19) 5292 4708 47,08 Normal


Uji (21) 5152 4848 48,48 Normal

Uji (22) 5219 4781 47,81 Normal


Uji (24) 5297 4703 47,03 Normal


Uji (26) 5290 4710 47,10 Normal

Uji (27) 5099 4901 49,01 Normal






Uji (33) 5190 4810 48,10 Normal

Uji (34) 5052 4948 49,48 Normal

Uji (35) 5173 4827 48,27 Normal





Uji (40) 5296 4704 47,04 Normal

Uji (41) 5018 4982 49,82 Normal




Uji (45) 5214 4786 47,86 Normal

Tugas Akhir - 2014



Uji (46) 5298 4702 47,02 Normal


Uji (48) 5311 4689 46,29 Normal

Setelah diperoleh presentase pixel putih dari setiap citra uji, maka akan

dilakukan klasifikasi menjadi tulang normal atau tulang osteoporosis berdasarkan

nilai SETUP yang sudah ditentukan pada sistem ini.

Pendeteksian osteoporosis dengan menggunakan sistem ini akan

dibandingkan dengan pendeteksian osteoporosis yang terlebih dahulu sudah

diteliti berdasarkan Singh Index dengan menggunakan tabel kebenaran sistem.

Dari data hasil pengujian, maka tingkat akurasi yang diperoleh adalah :

Akurasi = %

= %= 77,08 %

Dalam akurasi, jumlah nilai kebenaran diambil dari hasil analisa dengan

menggunakan thresholding metode Otsu yang dibandingkan dengan hasil Singh

Index. Penelitian ini memanfaatkan citra X-Ray tulang pelvis dengan

menggunakan thresholding metode Otsu yang dapat mendeteksi tulang normal

dan tulang osteoporosis. Setelah dilakukan beberapa proses, didapatkan nilai

threshold (ambang) dari citra grayscale yang memiliki nilai putih dengan

intensitas paling besar sampai hitam dengan intesitas paling rendah. Setelah

diketahui nilai ambang dari citra grayscale, maka dapat diketahui kondisi tulang

tersebut. Apabila lebih dari ambang batas yang ditentukan maka tulang tersebut

adalah tulang normal, dan jika kurang dari ambang batas maka tulang tersebut

osteoporosis.

Setelah dilakukan pengujian dengan thresholding metode Otsu pada citra

X-Ray tulang pelvis yang hasil klasifikasinya menunjukkan tingkat akurasi

kebenaran sebesar 77.08%. Dari nilai tingkat akurasi yang telah didapatkan

tersebut menunjukkan bahwa sistem memiliki tingkat akurasi yang cukup baik,

Tugas Akhir - 2014



akan tetapi perlu adanya pengembangan dari penelitian ini, sehingga aplikasi ini

bisa digunakan untuk mendeteksi osteoporosis.


Tugas Akhir - 2014


DETEKSI OSTEOPOROSIS BERBASIS ANALISIS TEKSTUR DENGAN MENGGUNAKANANDROID

50

DAFTAR PUSTAKA

[1] Arief Akabrul Huda, S.Si. 2012. 24 Jam Pintar Pemrograman Android.

Yogyakarta: Penerbit Andi.

[2] Cahyaningsih, Sri. 2010. “Deteksi Osteoporosis Dengan Tresholding Metode

Otsu Pada Citra X-Ray Tulang Rahang”. Skripsi.UIN: Malang.

[3] Challa, Supradeeptha.,J, Satyaprasad.2013. Reliablity of Singh Index in

Grading of Osteoporosis Using Digital Radiograph in Elderly Patiens With

Proximal Femoral Fractures. International Journal of Development

Research:India.

[4] Fahmi. 2007. Perancangan Algoritma Pengolahan Citra Iris Mata Menjadi

Citra Polar Iris Sebagai Bentuk Antara Sistem Biometrik. Medan: Karya

Ilmiah USU.

[5] Gabriel, J.F. 1996. Fisika Kedokteran. Penerbit Buku Kedokteran; EGC :

Jakarta

[6] Gonzales, Rafael C., Woods, Richard E. 2010. “Digital Image Processsing”

Prentice Hall .Upper Saddle River : USA.

[7] Noboyuki, Otsu. 1979. A Threshold Selection Method from gray Level

histogram. IEEE Transantions on Systems, MAN Cybernetics, Vol.SMC-9,

No.1.Janvani

[8] Mulyono, Agus. 2008. Analisis Tekstur Citra X-Ray Tulang Tangan, Tulang

Lutut, Dan Tulang Rahang Untuk Deteksi Osteoporosis. Tesis, Program

Pascasarjana, Universitas Brawijaya : Malang

[9] Prasetyo, Eko. 2011. Pengolahan Citra Digital dan Aplikasinya

Menggunakan Matlab. Yogyakarta: Penerbit Andi.

[10] Putra, Darma. 2010. Pengolahan Citra Digital.Yogyakarta: Penerbit Andi.

[11] Zaviera, Ferdinand. 2007. Osteoporosis: Deteksi Dini, Penanganan dan

Terapi Praktis. Yogyakarta: Kata Hatai.

[12] Heriyanto.2013. “Perancangan Aplikasi Pengolahan Citra Teks Arab Dan

Penerjemahaannya Ke Dalam Bahasa Indonesia Menggunakan Smartphone

Android”.Tugas Akhir. UNIKOM:Bandung.


Tugas Akhir - 2014


Documents

DETEKSI OSTEOPOROSIS BERBASIS ANALISIS TEKSTUR … fileOsteoporosis adalah suatu keadaan dimana kepadatan tulang mulai berkurang dan disertai kerusakan mikroarsitektur tulang, sehingga