BAB I PENDAHULUAN. 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis merupakan penyakit yang disebabkan oleh infeksi mycobacterium tuberculosis complex (bakteri berbentuk basil lurus, sedikit melengkung, tidak berspora dan tidak berkapsul). Bakteri ini berukuran lebar 0,3-0,6 mm dan panjang 1-4 mm [1]. Tuberkulosis merupakan penyakit menular yang tidak hanya menyerang sebagian besar paru manusia, tetapi juga menyerang organ tubuh lainnya. Tuberkulosis merupakan salah satu penyebab kematian utama penduduk dunia pada umumnya serta penduduk Indonesia khususnya. Tuberkulosis merupakan ancaman serius bagi penduduk dunia. Hal ini dapat dilihat dari gencarnya gerakan-gerakan seperti World Health Organization (WHO), Departemen Kesehatan Republik Indonesia (Depkes RI), Gerakan Terpadu Nasional Penanggulangan Tuberkulosis (Gerdunas-TB) serta organisasiorganisasi lain di seluruh dunia yang bergerak pada bidang kesehatan khususnya, menjadikan penyakit tuberkulosis sebagai salah satu dari beberapa penyakit yang masuk dalam target penuntasan. Pada Tahun 1995, diperkirakan ada 9 juta pasien tuberkulosis baru dan 3 juta kematian akibat tuberkulosis diseluruh dunia. Diperkirakan 95% kasus tuberkulosis dan 98% kematian akibat tuberkulosis didunia, terjadi pada negaranegara berkembang. Demikian juga kematian wanita akibat tuberkulosis lebih banyak dari pada kematian karena kehamilan, persalinan dan nifas. Sekitar 75% pasien tuberkulosis adalah kelompok usia paling produktif (15-50 Tahun). Diperkirakan seorang pasien tuberkulosis dewasa dapat kehilangan rata-rata waktu kerjanya 3-4 Bulan. Hal tersebut jelas berakibat pada kehilangan pendapatan tahunan rumah tangga sekitar 20-30%. Selain merugikan secara ekonomi, Tuberkulosis juga memberikan dampak buruk secara sosial bahkan terkadang penderita dikucilkan oleh masyarakat [1]. 1

2 Menurut laporan tuberkulosis dunia oleh WHO (2006), masih menempatkan Indonesia sebagai penyumbang tuberkulosis terbesar nomor 3 di dunia setelah India dan Cina dengan jumlah kasus baru sekitar dan jumlah kematian sekitar pertahun. Survei Kesehatan Rumah Tangga (SKRT) Tahun 1995, menempatkan tuberkulosis sebagai penyebab kematian ketiga terbesar setelah penyakit kardiovaskuler dan penyakit saluran pernapasan, dan merupakan penyakit nomor satu terbesar dalam kelompok penyakit infeksi [1]. Diagnosis tuberkulosis dilakukan melalui beberapa cara yakni berdasarkan gejala klinik, pemeriksaan fisik/jasmani, pemeriksaan bakteriologis, radiologis dan pemeriksaan penunjang lain [2]. Pemeriksaan Radiologis seperti x-ray merupakan salah satu pemeriksaan yang sangat penting. Teknik pemeriksaan radiologik x-ray dan pengetahuan untuk menilai suatu roentgenogram x-ray menyebabkan pemeriksaan x-ray dengan sinar roentgen ini merupakan keharusan rutin, sehingga tanpa pemeriksaan roentgen dianggap kurang lengkap. Berbagai kelainan didalam paru dapat dilihat melalui foto roentgen x-ray sebelum timbul gejala klinis. Melalui foto roentgen x-ray tuberkulosis yang hanya berdiameter 2 mm mungkin telah dapat terlihat, sementara melalui pemeriksaan fisik klinis tentu tidak akan berhasil menemukan tuberkulosis sekecil ini [3][4]. Foto roentgen yang dibuat pada saat tertentu juga dapat dijadikan dokumen abadi bagi penderita, setiap waktu dapat dipergunakan dan dibandingkan dengan foto yang dibuat pada saat lain [5]. Pemeriksaan radiologis merupakan pemeriksaan awal dari berbagai jenis pemeriksaan yang dilakukan. Apabila pemeriksaan radiologis mendapat hasil negatif maka kemungkinan besar pasien dapat dikatakan negatif mengidap tuberkulosis. Hasil pegujian radiologis dapat memberi gambaran apakah pasien terdiagnosis tuberkulosis atau tidak. Dengan mengetahui ciri-ciri khusus yang terkandung pada citra yang akan diuji, akan memudahkan dokter dalam membaca, menganalisis, dan memberi gambaran hasil terhadap pengujian citra tersebut. Dokter juga dapat membedakan citra x-ray pasien positif tuberkulosis dan pasien negatif tuberkulosis. Oleh karena itu, perlu dipelajari metode ekstraksi ciri yang 2

3 efektif terhadap citra x-ray pasien yang didiagnosis mengidap tuberkulosis. Salah satu metode yang efektif dalam mengekstraksi ciri suatu citra menggunakan metode statistis. Metode statistis yang digunakan dapat berupa metode statistis orde satu berdasar histogram, metode statistis orde dua berdasar Gray Level Co- Occurence Matrix (GLCM), dan metode statistis berdasar Principle Component Analysis (PCA). Selanjutnya ciri-ciri berdasar metode histogram, GLCM, dan PCA tersebut di analisis berdasar tingkat akurasi klasifikasi terbaik. Berdasarkan alasan tersebut, penulis melakukan penelitian Ekstraksi Ciri Citra X-Ray Paru Berbasis Ciri Statistis. 1.2 Perumusan Masalah Pemeriksaan radiologis merupakan pemeriksaan awal dari berbagai jenis pemeriksaan yang dilakukan terhadap penyakit tuberkulosis. Apabila pemeriksaan radiologis mendapat hasil negatif, maka kemungkinan besar pasien dapat dikatakan negatif mengidap tuberkulosis. Pemeriksaan radiologis yang dimaksud berupa pemeriksaan x-ray pasien yang didiagnosis tuberkulosis. Hasil pemeriksaan radiologis x-ray dapat memberikan gambaran hasil apakah pasien yang didiagnosis tuberkulosis tersebut mengidap tuberkulosis atau tidak dengan mencari ciri (ekstraksi ciri) yang terkandung dari setiap citra x-ray. Proses ekstraksi ciri x-ray dapat menggunakan metode statistis. Dokter terkadang kesulitan dalam menganalisis suatu citra x-ray pasien yang didiagnosis tuberkulosis. Oleh karena itu, proses pencarian ciri x-ray melalui metode berbasis statistis diharapkan dapat menentukan fitur ciri yang terbaik berdasar identifikasi dan klasifikasi citra x-ray paru diagnosis tuberkulosis sehingga mempermudah dokter dalam menganalisis dan menjadikan acuan. Berdasarkan uraian diatas, perumusan masalah penelitian adalah metode apa yang paling tepat dalam mengekstraksi ciri citra x-ray paru diagnosis tuberkulosis dan bagaimana memperoleh ciri yang terbaik pada suatu citra medis x-ray paru diagnosis tuberkulosis menggunakan metode statistis. 3

4 1.3 Keaslian Penelitian Pada Tabel 1.1 diuraikan beberapa hasil review paper dari beberapa peneliti sebelumnya yang berkaitan dengan penyakit tuberkulosis. Tabel 1.1 Literatur Review No Nama Peneliti/Judul/Tahun Metode Analisis Hasil 1. Irwan Sumartono, Metode Self Organizing Program dapat Identifikasi penyakit Map (SOM). melakukan paru-paru terhadap identifikasi penyakit tuberkulosis, kelainan paru 2009 [6] dengan prosentase keberhasilan 100% dari 10 citra yang diujikan. 2. Iwan Setia, Jaringan Syaraf Tiruan Diperoleh hasil Identifikasi Penyakit (JST). identifikasi dengan Tuberkulosis Pada tingkat Paru-Paru Dengan keberhasilan 80% Metode Jaringan dari 20 data foto Syaraf Tiruan, 2009 rontgen dan 40% [7]. dari data suara pernapasan. 3. M.Ya qub Zain, JST Backpropagation. Berhasil dibuat Identifikasi Bakteri perangkat lunak Tuberkulosis untuk identifikasi Berdasarkan Ciri bakteri morfologi dan Warna, 2010 [8]. tuberkulosis berdasarkan ciri morfologi dan warna menggunakan image processing dengan metode pengenalan jaringangan syaraf tiruan backpropagation,d iperoleh akurasi identifikasi bakteri sebesar 86,7% dengan metode color and shape processing. 4

5 4. Supatman, Deteksi Pembesaran Kelenjar Getah Bening Pada Paru Dengan Pengolahan Citra Digital Untuk Mendiagnosa Penyakit Primer Kompleks Tuberkulosis ( PKTB), 2009 [9]. 5. Ratnasari Nur Rohmah, Identifikasi Tuberkulosis Paru Berdasar fitur statistik x-ray thorax, 2013 [10]. 7. Salmawaty Tansa, Deteksi Tumor Otak dan Stroke Hemoragik Pada Citra CT Scan dengan Analisis Tekstur Gray Level Co-occurence Matriks (GLCM), 2010 [12] Pengolahan citra digital antara lain Modifikasi histogram, gaussian filter image noise removal,segmentasi, labelling, dan mapping. Fitur statistik berdasar histogram, Principle Component Analysis (PCA), Pengklasifikasian jarak minimum. Gray Level Co-occurence Matriks (GLCM) pada 4 arah (0⁰, 45⁰, 90⁰, 135⁰) pada jarak d = 1. Fitur ekstraksi ciri yang digunakan yaitu: energy, inersia, entropy, homogeinity, probabilitas maksimum, inverse different moment (IDM), dan korelasi. Gray Level Co-occurence Matriks (GLCM) pada 4 arah (0⁰, 45⁰, 90⁰, 135⁰) dengan parameter contrast, correlation, energy, homogeinity. 6. Hari Wibawanto, Identifikasi Citra Massa Kistik Berdasar Fitur Gray Level Cooccurence Matrix (GLCM), 2008 [11]. Dari eksperimen, dihasilkan deteksi pembesaran kelenjar gentah bening pada citra paru yang merupakan ciri khas penyakit PKTB. Dapat dideteksi letak penyakit sesuai dengan hasil analisa dokter. diperoleh 95,7% tingkat akurasi keberhasilan klasifikasi, 3,33% tingkat akurasi kesalahan klasifikasi yang diterima, 6,67% tingkat akurasi kesalahan klasifikasi yang ditolak. Hasil penelitian menyatakan bahwa fitur tekstur GLCM untuk ketujuh fitur layak digunakan untuk membedakan citra USG massa kistik dan non kistik dengan prosentase 91%-92,3%. Pelatihan dan pengujian fiturfitur tekstur menggunakan jaringan syaraf tiruan backpropagation dengan variasi 5

6 8. A Mohd. Khuzi1, Beng, R Besar2, Ph.D, WMD Wan Zaki3, MengSc, NN Ahmad1, Ph.D meneliti tentang Identifikasi Massa Pada Citra Digital Mammogram menggunakan Gray Level Co-occurence Matriks [13]. 9. Arif A meneliti tentang pengenalan wajah menggunakan PCA dan jaringan syaraf tiruan [14]. Gray Level Co-occurence Matriks (GLCM) pada 4 arah (0⁰, 45⁰, 90⁰, 135⁰) dengan parameter contrast, correlation, energy, homogeinity. Principle Component Analysis (PCA) dengan variasi learning rate. nilai learning rate. Hasil penelitian menunjukkan bahwa pengujian terbaik terdapat pada learning rate 0,3 dengan prosentase kesalahan sebesar 11%. Hasil penelitian antara lain: berdasarkan analisis fitur dihasilkan operating charateristics (ROC) kurva bidang Az = 0,84 untuk metode otsu, metode thresholding sebesar 0,82, dan metode K-mean clustering dengan Az = 0,7. Hasil yang paling baik diperoleh pada kurva ROC wilayah 0,8 0,9. Metode ini dapat digunakan sebagai deteksi otomatis kanker payudara secara real time. Hasil penelitian antara lain: semua gambar wajah yang digunakan dapat dikenali 100% benar. Diperoleh nilai pelatihan terbaik pada nilai learning rate 0,8 dengan error maksimum 6

7 sebesar 0,001 memiliki iterasi paling sedikit dan dapat mengenali 100% data citra uji validasi. Berdasarkan Tabel 1.1 Literatur Review terlihat bahwa penelitian terkait penyakit tuberkulosis, ekstraksi ciri menggunakan fitur statistis telah dilakukan oleh para peneliti sebelumnya. Beberapa metode yang digunakan seperti Self Organizing Map (SOM) [6], Jaringan syaraf tiruan (JST) Backpropagation [7][8], Modifikasi Histogram, Segmentasi, Labelling, Mapping [9], Principal Component Analysis (PCA) [10][14], Fitur Statistis berdasar histogram citra meliputi Mean, Variance, Skewness, Kurtosis, dan Entropy, Gray Level Co-occurence Matrix (GLCM) pada 4 arah (0⁰, 45⁰, 90⁰, 135⁰) dengan parameter contrast, correlation, energy, homogeinity [11][12][13]. 1.4 Tujuan Penelitian Tujuan penelitian ini sebagai berikut. 1. Melakukan proses pre-processing citra x-ray paru diagnosis tuberkulosis. 2. Melakukan ekstraksi ciri citra x-ray paru diagnosis tuberkulosis menggunakan metode statistis berdasar histogram, GLCM, PCA, dan kombinasi histogram GLCM. 3. Merumuskan metode yang tepat dalam mengekstraksi dan mengklasifikasi ciri terbaik dari citra x-ray paru diagnosis tuberkulosis berdasar metode statistis. 1.5 Manfaat Penelitian Adapun manfaat yang dapat diperoleh dari penelitian Ekstraksi Ciri Citra X-Ray Paru Berbasis Ciri Statistis sebagai berikut. 1. Bagi ilmu pengetahuan: Memberikan referensi baru dalam menganalisis citra x-ray diagnosis tuberkulosis menggunakan metode statistis berdasar histogram dan GLCM. 7

8 2. Bagi ilmu kedokteran: Memberikan referensi ciri citra x-ray paru diagnosis tuberkulosis dalam menganalisis suatu citra baru yang didiagnosis tuberkulosis. 1.6 Sistematika Penulisan Sistematika penulisan terdiri dari: BAB I. Pendahuluan Bab ini menguraikan latar belakang, perumusan masalah, batasan masalah, keaslian penelitian, manfaat penelitian, tujuan penelitian, tinjauan pustaka, dan sistematika penulisan. BAB II. Landasan Teori Bab ini membahas dasar-dasar teori tuberkulosis, citra medis x-ray, proses pre-processing citra medis x-ray, metode statistis berdasar histogram, GLCM dan PCA untuk mengekstraksi ciri citra x-ray paru diagnosis tuberkulosis. BAB III. Metodologi Bab ini membahas data dan peralatan penelitian, diagram sistem secara keseluruhan, gaftar aliran pre-processing citra medis x-ray, ekstraksi ciri citra medis x-ray, dan proses analisis ekstraksi ciri citra medis x-ray berdasar metode statistis. BAB IV. Hasil dan Pembahasan Bab ini membahas hasil pengujian dan pembahasan ekstraksi ciri citra medis x-ray paru yang di diagnosis sebagai tuberkulosis. BAB. V Kesimpulan Bab ini menguraikan kesimpulan, masukan ( kritik), dan saran-saran penelitian. 8