Rekonstruksi Citra Endoskopi Menggunakan Penginderaan Kompresif Dan Algoritma Basis Pursuit Denoising Pada Body Sensor Network

Abstract

Abstrak Kerongkongan merupakan saluran penghubung antara mulut dengan lambung, kerongkongan sangat rentan terkena radang yang disebut esophagitis. Untuk mengetahui seseorang terkena esophagitis perlu pemeriksaan dengan Wireless Capsule Endoscopy (WCE). Citra WCE adalah citra yang dihasilkan dari endoskopi yang dapat memberikan foto saluran pencernaan untuk mengetahui kelainan yang ada di dalam tubuh manusia. Perkembangan teknologi body sensor network (BSN) terus meningkat di dalam dunia medis sebagai pemantauan kesehatan tubuh manusia. Namun, permasalahan pada BSN yaitu volume data dari sensor yang sangat besar mengakibatkan terbatasnya ukuran penyimpanan pada storage. Oleh sebab itu, dibutuhkan proses kompresi agar penyimpanan yang tersedia mencukupi dan dapat menjaga kualitas citra secara visual manusia. Pada Tugas Akhir ini telah dilakukan perancangan sistem untuk rekontruksi citra menggunakan citra endoskopi saluran pencernaan manusia. Pada transformasi sparsity digunakan yaitu discrete cosine transform (DCT) sedangkan dalam transformasi proyeksi digunakan yaitu proyeksi gaussian. Compressive sensing (CS) merupakan teknik baru dalam proses kompresi data, untuk memperkecil ukuran citra agar lebih efisien serta dapat menjaga kualitas citra. Sedangkan basis pursuit de-noising (BPDN) dengan pemrograman active set pursuit (ASP) yang merupakan salah satu implementasi dari BPDN untuk memperbaiki gambar yang terotasi. Hasil yang diperoleh dari pengujian citra endoskopi nilai peak signal to noise ratio (PSNR) tanpa noise terkecil saat parameter measurement rate (MR) 90% resolusi 64×64 piksel yaitu 35,04 dB dan nilai PSNR tertinggi dengan resolusi 1024×1024 piksel yaitu 52,67 dB. Nilai PSNR dengan noise terkecil saat parameter MR 90% resolusi 64×64 piksel yaitu 32,99 dB dan nilai PSNR tertinggi dengan resolusi 1024×1024 piksel yaitu 52,2 dB. Perbandingan nilai PSNR terkecil basis pursuit (BP) kanal AWGN saat parameter MR 90% resolusi 64×64 piksel bernilai 32,24 dB dan pada BPDN kanal AWGN bernilai 32,99 dB dan nilai PSNR tertinggi dengan resolusi 1024×1024 piksel BP kanal AWGN bernilai 44,17 dB dan pada BPDN kanal AWGN bernilai 52,2 dB. Kata Kunci: Compressive Sensing, Algoritma BPDN, WCE, BSN, ASP Abstract The esophagus is the connecting channel between the mouth and the stomach, the esophagus is very susceptible to inflammation called esophagitis. To find out a person affected by esophagitis needs to be examined by wireless capsule endoscopy (WCE). The WCE image is the image resulting from endoscopy that can give photos to the digestive channel to know the abnormality that is in the human body. The development of technology body sensor network (BSN) continues to increase in the medical world as a health monitoring of the human body. However, the problem with BSN is that the data volume from a very large sensor causes limited storage size in storage. Therefore, a compression process is needed so that the available storage is sufficient and can maintain the quality of human visual images. In this final project, system design has been made for image reconstruction using endoscopic imagery in the digestive channel of the human body. In sparsity transformation, discrete cosine transform (DCT) is used and in projection transformation, gaussian projection is used. Compressive sensing (CS) is a new technique in data compression process. It compresses the size of image to be more efficient and maintain the quality of the image in human visual basis pursuit de-noising (BPDN) with active set pursuit (ASP) is one of BPDN implementation to fix rotated images. PSNR result without noise has the lowest value at measurement rate (MR) 90% 64x64 pixel resolution which is 35,04 dB and the highest is on 1024x1024 pixel resolution valued 52,67 dB. Peak signal to noise ratio (PSNR) result with noise has the lowest value at MR 90% 64x64 pixel resolution which is 32,99 dB and the highest is on 1024x1024 pixel resolution valued 52,2 dB. Comparison of PSNR lowest result basis pursuit (BP) AWGN canal when parameter reaches MR 90% 64x64 pixel resolution valued 32.24 dB and basis pursuit denoising (BPDN) AWGN canal valued 32.99 dB and the highest PSNR on 1024x1024 pixel resolution BP AWGN canal valued 44.17 dB and BPDN AWGN canal valued 52.2 dB. Keyword: Compressive Sensing, Algoritma BPDN, WCE, BSN, ASP