Path: Top » S1-Final_Project » 2017

IDENTIFIKASI KASUS BAYI KUNING BERDASARKAN ANALISIS CITRA WARNA KULIT

IDENTIFICATION OF BABY JAUNDICE BASED ON SKIN COLOR IMAGE ANALYSIS

Undergraduate Theses from JBPTITBTF / 2017-07-08 12:34:57
Oleh : Naufal Aulia Aziz NIM 13313009 & Yokanan Wigar Satwika NIM 13313016
Dibuat : 2017-07-08, dengan 10 file

Keyword : Bayi kuning, bilirubin, hyperbilirubinemia indirect, pengolahan citra

Hyperbilirubinemia indirect atau kasus bayi kuning merupakan kondisi pada bayi berupa berubahnya warna kulit dan sklera menjadi kuning karena hasil akumulasi bilirubin yang tak terkonjugasi. Berdasarkan data penelitian de Greef, sebesar 84% dari bayi yang baru lahir menderita penyakit kuning. Penyakit kuning ini berisiko mulai dari kelainan mental hingga kematian.



Saat ini, pengecekan awal terhadap kasus bayi kuning dilakukan berdasarkan pengamatan mata dokter. Metode pengecekan awal ini bersifat subjektif sehingga perlu validasi lanjutan melalui pengecekan kadar bilirubin dalam darah. Agar pengecekan awal menghasilkan data yang lebih objektif, dilakukan penelitian dan pengembangan metode identifikasi kasus bayi kuning berdasarkan analisa citra warna kulit.



Metode berbasis citra warna kulit ini dikembangkan dengan cara mengolah citra melalui beberapa tahap pengolahan. Pertama, dilakukan tahap pra-pengolahan yang berisi pemfilteran dan koreksi warna citra. Kemudian citra disegmentasi menggunakan metode K-Means untuk mendapat citra kulit bayi saja. Citra lalu diolah dalam 3 ruang warna yaitu RGB, HSV, dan YCbCr. Untuk setiap kanal pada 3 ruang warna diekstrak informasi berupa histogram intensitas terhadap jumlah piksel sehingga total terdapat 9 histogram. Dari masing-masing histogram, diolah parameter statistik yaitu mean, standar deviasi, skewness, dan kurtosis sehingga total diperoleh 36 parameter statistik. Semua parameter statistik selanjutnya dijadikan variabel input awal dalam validasi dan pemodelan regresi linier multivariabel, dengan data citra yang digunakan sebanyak 120 buah. Data statistik merupakan sumbu x untuk regresi linier dengan sumbu y kadar bilirubin dari tes darah. Dari total 36 variabel tersebut dievaluasi variabel yang redundan dan signifikan terhadap regresi linier, dengan kriteria Variance Inflation Factor (VIF) < 10 serta p-value < 0,05. Diperoleh model estimasi dengan 5 variabel yang signifikan korelasinya terhadap kadar bilirubin.



Berdasarkan pemodelan, diperoleh koefisien korelasi ganda model estimasinya sebesar 0,71 yang masuk ke dalam kategori regresi kuat. Selanjutnya, model diuji dengan 18 data uji citra. Dari pengujian estimasi kadar bilirubin, didapat koefisien korelasi ganda sebesar 0,95, yang juga menunjukkan kategori regresi kuat. Untuk pelengkap data estimasi kadar bilirubin, dilakukan estimasi zona risiko, dan didapat kesesuaian zona estimasi dengan zona sebenarnya sebesar 84% dengan toleransi pada data false positive serta data kesalahan pada zona-zona risiko kritis.

Deskripsi Alternatif :

Hyperbilirubinemia indirect or Baby Jaundice is a yellow discoloration of babyÂ’s skin and eyes because of accumulated unconjugated bilirubin. Based on de GreefÂ’s research, 84% of newborns suffer from jaundice. Severe baby jaundice can lead to mental disorder or even death.



Presently, screening of baby jaundice is done based on doctorÂ’s visual observation. This screening method is very subjective and therefore further validation is needed through bilirubin level measurement of patientÂ’s blood sample. A research of baby jaundice identification method based on skin color image analysis is conducted in order to produce data objectively.



This method is developed by processing image through several processes. Firstly, the image undergoes pre-processing to be filtered and color-corrected using a color card. Next, the image is segmented using K-Means method to acquire baby skin color. The image is then processed in 3 color spaces, which are RGB, HSV, and YCbCr. Subsequently, a histogram of intensity over pixel number is extracted from each channel of these color spaces, resulting in 9 histograms. From each histogram, 4 statistic parameters are calculated, which consists of mean, standard deviation, skewness, and kurtosis, generating 36 statistic parameters. After that, All statistic parameters are made as input variables for the validation and modelling of multivariable linear regression with an output variable of estimated bilirubin level. Validation aims to evaluate redundant and significant variables using 120 training data. The criteria of selection are variables with Variance Inflation Factor < 10 and p-value < 0,05. Finally, an estimation model is obtained containing 5 variables with significant correlation over bilirubin levels.



The obtained model resulted in a multiple correlation (multiple-R) of 0,71, categorized as a strong regression. Furthermore, the model is tested using 18 test data, which resulted in a multiple-R of 0,95, also categorized as strong regression. To complement the bilirubin level estimation, risk zone estimation is also done, with a result of 84% data fit to the actual risk zone, with tolerance on false positives and false data in critical risk zones.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBTF
Organisasi
Nama KontakRina
AlamatPerpustakaan Departemen Teknik Fisika
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon
Fax
E-mail Administratoradmin@tf.itb.ac.id
E-mail CKOckolib@tf.itb.ac.id