BAB I PENDAHULUAN. 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Malaria merupakan penyakit mematikan yang disebabkan oleh dari genus dengan perantara nyamuk Anopheles betina. Berdasarkan data WHO, pada tahun 2014 sendiri telah terjadi lebih dari 184 juta kasus di seluruh dunia, dengan angka kematian sebesar jiwa. Di Indonesia, telah terjadi kasus dengan angka kematian sebanyak 64 jiwa pada tahun 2014 [1]. Adapun penyebab penyakit malaria diantaranya: falciparum, vivax, malariae dan ovale. Beberapa tahun belakangan ini terdapat beberapa kasus malaria yang disebabkan oleh knowlesi. Parasit yang paling sering dijumpai dalam kasus malaria adalah falciparum dan vivax, namun falciparum lebih mematikan daripada penyakit malaria yang disebabkan lain. Pada tahun 2014, kasus malaria di Indonesia disebabkan oleh falciparum sebanyak 57% dan vivax sebanyak 43% [1]. Penanganan malaria bergantung pada jenis yang menginfeksi tubuh pasien. Penanganan untuk malaria dengan falciparum disarankan artemisinin-based combination therapies (ACTs) untuk malaria tahap awal. Untuk malaria yang disebabkan vivax, penanganan harus chloroquine di daerah dimana obat ini masih efektif. Sedangkan untuk daerah yang terdeteksi resistan terhadap chloroquine, ACT dapat digunakan [2]. Untuk itu, deteksi kedua spesies tersebut harus dilakukan secara tepat agar penanganan yang diterapkan sesuai. Keberhasilan penanganan penyakit malaria bergantung dari diagnosis yang yang cepat dan akurat. Berdasarkan Guidelines for the Treatment of Malaria [3], pasien yang dicurigai mengidap malaria harus menjalani uji ologi. Uji ologi tersebut meliputi uji mikroskopi atau Rapid Diagnostic Test (RDT). 1

2 Uji mikroskopis merupakan metode uji yang paling banyak digunakan, tercatat sebanyak 321 juta sediaan darah telah diuji untuk kasus malaria pada tahun 2014 [1]. Walaupun penggunaan uji mikroskopis yang telah secara luas digunakan, uji ini memiliki kelemahan dalam hal akurasi diagnosis yang sangat dipengaruhi kemampuan dan pengalaman dari tenaga medis yang melakukan uji tersebut. RDT komersial seringkali lebih akurat dalam mendeteksi keberadaan malaria dalam darah, namun tidak dapat menghitung jumlah yang ada dalam darah. Terdapat juga metode lainnya dalam diagnosis malaria, seperti uji sampel saliva dan urine [4] serta yang baru-baru ini digunakan adalah dengan metode PCR (Polymerase Chain Reaction) [5]. Menurut WHO dan Departemen Kesehatan Indonesia, pengamatan gambar mikroskopis sediaan darah beserta pemeriksaan gejala klinis masih menjadi gold standard untuk diagnosis malaria. Diagnosis malaria manual berdasarkan sediaan darah terdiri atas tiga tahapan, yaitu (1) menentukan ada atau tidaknya malaria pada sediaan darah, (2) mengidentifikasikan spesies dari yang terdeteksi dan (3) mengidentifikasikan fase dari yang telah dideteksi. Tahapan identifikasi jenis merupakan proses yang paling penting, karena setiap spesies dan fase pada memiliki penanganan yang berbeda [6]. Uji mikroskopis dapat dilakukan oleh tenaga medis dalam bidang ologi. Namun, analisis visual dari pakar manusia sering dibatasi oleh variasi kemampuan setiap individu dan tidak jarang terjadi kesalahan karena kelelahan, gangguan dari luar dan keterbatasan pengalaman. Interpretasi dari citra medis sangat bergantung dari pengalaman dan keahlian seorang manusia serta keputusan diagnosis yang diambil juga bersifat subjektif. Permasalahan diagnosis berupa lamanya hasil pemeriksaan dan realibilitas hasil pemeriksaan yang rendah ditemukan pada beberapa laboratorium di Jawa Tengah. Di daerah lain keakuratan hasil diagnosis malaria berdasarkan pemeriksaan mikroskopis sangat bervariasi, dengan rentang dari <50-95%. Kesalahan diagnosis dapat menyebabkan penanganan yang tidak tepat, penularan yang terus berlangsung, hingga berujung 2

3 kematian penderita [7]. Penggunaan komputer seperti pengolahan citra digital, kecerdasan buatan dan data mining dapat dimanfaatkan dalam membantu diagnosis penyakit, khususnya dalam hal ini penyakit malaria. Kelebihan utama dalam penerapan penggunaan komputer untuk membantu diagnosis medis terletak pada pengolahan citra digital yang mampu menghasilkan analisis kuantitatif. Diagnosis dengan bantuan komputer jika dilakukan dengan penanganan yang tepat memiliki potensi untuk menangkap keahlian interpretasi citra medis dari seorang pakar. Sehingga dapat meningkatkan akurasi diagnosis dan tingkat keyakinan seorang pakar [8]. Penelitian untuk mengidentifikasi malaria berbasis pengolahan citra digital telah banyak dilakukan. Penelitian oleh Akbar [9] bekerja sama dengan Laboratorium Parasitologi Fakultas Kedokteran UGM dalam mengembangkan metode identifikasi falciparum berbasis pengolahan citra digital. Namun, di Indonesia sendiri yang menyebabkan malaria terdiri dari dua jenis, yaitu falciparum dan vivax. Oleh karena itu, dalam penelitian ini dicoba mengembangkan metode identifikasi yang dapat mengenali falciparum dan vivax. 1.2 Perumusan masalah Parasit utama penyebab malaria di Indonesia adalah falciparum dan vivax. spesies dan fase tiap tersebut penting dalam diagnosis malaria. Kualitas diagnosis malaria berdasarkan uji mikroskopis sangat dipengaruhi oleh kemampuan, pengalaman dan subjektivitas dari tenaga medis. Diagnosis yang tidak tepat akan mengakibatkan penanganan medis yang tidak sesuai dan dapat berakibat fatal. Pengolahan citra digital dapat menjadi solusi untuk membantu tenaga medis dalam meningkatkan kualitas diagnosis. Beberapa penelitian telah dilakukan untuk merancang metode diagnosis malaria citra digital. Walaupun begitu penelitian oleh Akbar [9] masih memiliki beberapa kelemahan. Kelemahan tersebut antara lain : penelitian tersebut hanya meneliti falciparum, parameter untuk metode segmentasi yang digunakan masih ditetapkan secara manual; kemudian 3

4 jumlah fitur yang dapat ditingkatkan serta penggunaan metode seleksi fitur yang lebih optimal. Oleh karena itu, peningkatan performa metode segmentasi, ekstrasi fitur serta penambahan jenis malaria dirasa perlu sehingga bisa memberikan hasil identifikasi yang lebih baik. 1.3 Keaslian penelitian Penelitian yang berkaitan dengan penggunaan pengolahan citra digital dan data mining untuk identifikasi malaria pada citra digital sediaan darah telah banyak dikembangkan. Pada bagian ini diberikan kajian mengenai beberapa penelitian yang bertujuan untuk mengidentifikasi malaria pada citra digital sediaan darah. Berikut adalah perbandingan beberapa metode yang dilakukan antara peneliti satu dengan peneliti yang lain. Keaslian penelitian di sini bertujuan untuk menjelaskan perbedaan penelitian ini dengan penelitian yang telah ada sebelumnya. Tabel 1.1 menunjukkan beberapa rangkuman penelitian yang terkait dengan identifikasi malaria. Penelitian sebelumnya berbagai macam metode dengan tujuan yang berbeda-beda. Sebagian besar cakupan permasalahan penelitian yang dirangkum dalam Tabel 1.1 terdiri atas identifikasi malaria darah, klasifikasi spesies malaria dan klasifikasi fase malaria. dilakukan oleh [10][11][12], proses ini merupakan dasar untuk tahapan berikutnya. Mereka memanfaatkan ruang warna untuk dapat membedakan malaria dalam darah dengan objek lainnya. Penelitian [10] kanal b pada ruang warna CIE L*a*b untuk mendapatkan bentuk dalam citra. Begitu juga penelitian oleh May, dkk [11] yang memanfaatkan ruang warna L*a*b dalam proses segmentasi dan menghitung banyaknya malaria dalam darah. Sedangkan, [12] transformasi dari penggabungan kanal G dan kanal B pada ruang warna RGB. Klasifikasi spesies malaria dilakukan oleh [6][13][14]. Tek, dkk [6] juga melakukan penelitian untuk pengklasifikasian empat jenis. Dalam penelitiannya, mereka mencari dalam darah secara otomatis metode granulometri. Area yang terdeteksi kemudian diklasifikasikan 4

5 metode back propagation neural network. Penelitian yang dilakukan Purnama [14] bertujuan untuk mengklasifikasikan falciparum dan vivax beserta fasenya, namun fase gametosit spesies falciparum tidak diikut sertakan. Ektraksi fitur tekstur dilakukan dari citra cropping tanpa adanya proses segmentasi terlebih dahulu. fase dilakukan pada penelitian [14][9]. Penelitian [9] berfokus pada klasifikasi fase falciparum, penelitian tersebut mengidentifikasi 3 fase, yaitu troposoit, gametosit dan skizon. Metode yang digunakan antara lain : k-means untuk segmentasi, seleksi fitur CFS dan klasifikasi MLP. Tabel 1.1. Penelitian Penyakit Malaria No Peneliti Tujuan Penelitian 1. Khan dkk [10], May dkk[11], Savkara dan Narote[15], vivax pada citra sediaan darah tipis dan kuantifikasi vivax pada citra sediaaan darah tipis falciparum dan vivax. Metode Segmentasi pada kanal b di ruang warna CIE L*a*b Konversi ruang warna ke L*a*b, segmentasi dengan metode Otsu serta tranformasi ke citra negatif Segmentasi dengan metode Otsu pada kanal G di ruang warna RGB. Fitur yang digunakan dari representasi bentuk dan tekstur citra. Klasifikasi Keterangan Parasit dalam citra hasil diberikan garis tepi, sehingga dapat membedakan dengan area yang tidak terjangkit. Hasil dari penelitian ini adalah melihat ada tidaknya pada sediaan darah, tidak dijelaskan fase yang menjangkit. Citra yang digunakan untuk segmentasi tidak ROI. Area pada citra meliputi sel darah merah dan. 5

6 Tabel 1.1. Penelitian Penyakit Malaria No Peneliti Tujuan Penelitian 4. Akbar[9], Wahab[13], Tek dkk[6], falciparum berserta fasenya pada citra sediaan darah tipis spesies malaria dalam darah. Spesies yang diteliti meliputi falciparum, vivax, ovale, malariae Deteksi dan identifikasi falciparum, vivax, ovale dan malariae pada sediaan darah Metode metode SVM Pengolahan citra dilakukan pada ruang warna HSV di kanal S. Segmentasi metode k-means. Menggunakan MLP untuk klasifikasi dan metode CFS untuk seleksi fitur. Menggunakan fitur dari citra dengan ruang warna RGB, HSV, YIQ dan YCrCb. Seleksi fitur LSE dan PCA. Klasifikasi LVQ. Deteksi granulometri, segmentasi metode Rao, klasifikasi KNN. Keterangan Parameter k-means ditentukan dengan mengujikan beberapa nilai yang cocok. Penelitian ini walaupun telah mencoba mengidentifikasi 4 jenis spesies malaria, namun kualitas dan kuantitas citra masih kurang. Fitur yang digunakan antara lain area granulometri, histogram dan bentuk. 6

7 Tabel 1.1. Penelitian Penyakit Malaria No Peneliti Tujuan Penelitian 7. Purnama dkk[14], Elter dkk[12], 2011 tipis. falciparum dan vivax beserta fasenya pada sediaan darah tebal. Deteksi malaria, yaitu falciparum pada sediaan darah tebal Metode Cropping area pada citra sediaan darah tebal, kemudian fitur tekstur diambil ruang warna RGB, ruang warna HSV, ruang warna HSV. Klasifikasi algoritme genetika Menggunakan transformasi dari penggabungan kanal G dan B pada ruang warna RGB. Menggunakan operasi top hat dan thresholding. Klasifikasi SVM. Keterangan Penelitian ini tidak tahapan segmentasi. Menggunakan 6 kelas, yaitu 3 fase vivax, 2 fase falciparum dan 1 kelas bukan. Penelitian berfokus untuk menghasilkan nilai sensitivitas yang tinggi. Hal ini dilakukan melalui dua tahapan. Yang pertama menerima sensitivitas tinggi dan yang kedua mengurangi jumlah falsepositive Berdasarkan hasil kajian dari beberapa penelitian yang disampaikan pada Tabel 1.1, terkait dengan peningkatan teknik identifikasi malaria berbasis CAD, nampak bahwa antar penelitian tersebut memiliki perbedaan metode yang cukup signifikan terutama pada metode yang diusulkan. Oleh karena itu penelitian ini berusaha memberikan kontribusi untuk mengidentifikasi malaria, berbantuan metode yang dapat digunakan untuk CAD, dengan tujuan mampu mengklasifikasikan perbedaan setiap fase dari vivax dan falciparum yang menginfeksi sel eritrosit pada manusia, sehingga dapat meningkatkan kinerja paramedis dalam mendiagnosis sel malaria. 7

8 1.4 Tujuan Penelitian Tujuan utama dalam penelitian ini adalah mengembangkan metode berbasis computer aided diagnosis (CAD) dan pengolahan citra digital untuk meningkatkan performa metode segmentasi, ekstraksi fitur dan seleksi fitur dalam mengidentifikasi spesies beserta fase malaria falciparum dan vivax pada citra mikroskopis digital sediaan darah tipis. 1.5 Manfaat Penelitian Sesuai dengan tujuan dari penelitian, maka diharapkan nantinya akan memberikan manfaat baik bagi pihak umum maupun penulis. Adapun manfaat tersebut antara lain : 1. Diharapkan dapat membantu tenaga medis untuk membantu mengidentifikasi spesies dan fase malaria, sehingga mampu memimimalisir kesalahan diagnosis yang disebabkan unsur subjektivitas. 2. Metode yang dikembangkan diharapkan dapat menjadi modul rancangan suatu sistem berbasis komputer identifikasi malaria dalam darah. 8