ANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI Afriliana Kusumadewi 1 * Sugeng Santoso 2 * Abstrak Teknik histogram equalization merupakan suatu teknik untuk melakukan perbaikan citra. Tujuan utama dari histogram equalization adalah meningkatkan kualitas citra menjadi lebih baik lagi untuk mendapatkan karakterisasi statistik citra termogram. Histogram equalization dalam penelitian ini dilakukan pada citra termogram kanker payudara dini menggunakan program aplikasi matlab 7.1 untuk mencari karakterisasi statistik citra termogram. Parameter karekterisasi statistik yang digunakan adalah besarnya nilai entropi citra. Penelitian menggunakan 19 citra termogram kanker payudara dini. Pra pengolahan citra dilakukan dengan mengubah citra termogram warna menjadi citra termogram grayscale dilanjutkan dengan penentuan ROI dan metode cropping. Besarnya nilai entropi citra termogram akan menjadi karakterisasi statistik masingmasing citra termogram. Kata Kunci : Citra termogram kanker payudara, histogram equalization, karakterisasi statistik, histogram citra, entropi PENDAHULUAN Di Indonesia kanker payudara merupakan satu jenis kanker terbanyak yang dijumpai pada wanita. Berdasarkan data Sistem Informasi Rumah Sakit (SIRS) 2007 kejadian kanker payudara sebanyak 8.227 kasus atau 16,85 % dan merupakan jenis kanker pembunuh nomor dua wanita Indonesia setelah kanker serviks. Secara umum kasus ini meningkat seiring dengan peningkatan status ekonomi, sosial, dan pola hidup. Pada umumnya citra medis hasil scanning atau berupa citra digital aras keabuan yang mengalami penurunan kualitas (terdegradasi) yang disebabkan faktor-faktor luar (derau) dan peralatan medis yang digunakan. Dengan demikian proses peningkatan citranya juga harus menggunakan teknik-teknik pengolahan citra aras keabuan. Maka diperlukan peningkatan kualitas citra yang bertujuan untuk menghasilkan citra dengan kualitas yang lebih baik dibandingkan dengan citra semula. Langkah selanjutnya yang diperlukan dalam pengolahan citra adalah analisis citra dengan tujuan untuk mengidentifikasi parameter-parameter yang diasosiasikan dengan ciri dari objek didalam citra, untuk selanjutnya parameter tersebut digunakan dalam menginterpretasi citra. Termografi merupakan metode yang pertama diketahui dapat mendeteksi patologi payudara. Termografi dapat mengidentifikasi perubahan 1 adalah dosen Teknik Elektro UNWIDHA Klaten 2 adalah dosen Teknik Elektro UNWIDHA Klaten 101
fisiologi lokal dan aliran darah sebelum pemeriksaan klinis. Pencitraan termal digital menggunakan infrared memiliki ciri yang unik dapat menunjukkan perubahan fisiologis dan metabolis. Termografi memiliki keakuratan pengujian yang tidak dipengaruhi oleh kepadatan jaringan payudara pada wanita dibawah usia 50 tahun. Termografi infrared dapat membandingkan diagnostik informatif dengan metode standar diagnostik kanker payudara (mammografi, USG) dan akan lebih akurat apabila dilengkapi dengan peralatan modern maupun software tertentu. Prinsip dasar dari termografi adalah menangkap citra termal digital dari kamera Fluke Ti20 Thermal Imager pada jaringan kanker payudara sehingga dapat mengetahui sifat statistik termal yang menggambarkan kuatnya eksistensi kanker payudara. Termografi disebut juga dengan thermal imaging. Termografi menggunakan kamera khusus untuk mengukur temperatur kulit di permukaan payudara dan menghasilkan peta digital (digital map) yang mengilustrasikan pola temperatur permukaan kulit. Peta digital inilah yang disebut dengan termogram. Dalam kegiatan proses citra secara digital, ruang lingkup penelitian adalah proses pengubahan citra termogam kanker payudara dini RGB ke citra termogram graycale, proses cropping untuk mendapatkan obyek yang terindikasi kanker, menghitung nilai entropi citra, dan membandingkan nilai entropi tersebut dengan nilai entropi yang dihasilkan dari citra termogram yang sudah diproses melalui histogram equalization. Dalam penelitian ini salah satu sifat tektur citra termogram kanker payudara yang dapat diambil sifat statistiknya adalah nilai histogram dan nilai entropi. HISTOGRAM EQUALIZATION Menurut Munir (2004), Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas piksel dari suatu citra. Dari sebuah histogram dapat diketahui frekuensi kemunculan nisbi (relative) citra tersebut. Histogram juga dapat menunjukkan banyak hal tentang kecerahan (brightness) dan kontras (contrast) dari sebuah citra. Secara matematis histogram citra dihitung dengan persamaan : ni hi, i 0,1,..., L 1... 2.1. n dengan n = jumlah seluruh piksel di dalam citra dan n i = jumlah piksel yang memiliki derajat keabuan i Distribusi h i, atau n i, dapat menyediakan informasi tentang kemunculan citra. Pengetahuan praktis untuk memahami histogram citra dibutuhkan untuk melihat perubahan-perubahan pada citra setelah dilakukan operasi tertentu. Beberapa pengetahuan praktis yang biasa digunakan dalam melihat histogram citra adalah sebagai berikut: a. Histogram citra yang terdistribusi merata pada seluruh tingkat keabuan memiliki kontras yang baik. b. Histogram citra yang mengumpul pada daerah gelap memiliki citra yang redup. c. Histogram citra yang mengumpul pada daerah terang atau terkonsentrasi pada intensitas citra yang tinggi menampilkan citra yang terang. Disamping itu dalam upaya menampakkan informasi sebanyak mungkin pada citra maka histogram dibuat semerata mungkin yang disebut dengan penyamaan histogram (histogram equalization). Menurut Munir (2004), tujuan ekualisasi histogram adalah untuk memperoleh 102
penyebaran histogram yang merata, sehingga setiap derajat keabuan memiliki jumlah piksel yang relatif sama. Yang dimaksud dengan perataan histogram adalah mengubah derajat keabuan suatu piksel (r) dengan derajat keabuan yang baru (s) dengan suatu fungsi transformasi T, yang dalam hal ini s = T(r). Dua sifat yang dipertahankan pada transformasi ini: 1. Nilai s merupakan pemetaan 1 ke 1 dari r. Ini untuk menjamin representasi intensitas yang tetap. Ini berarti r dapat diperoleh kembali dari r dengan transformasi invers: r = T -1 (s), 0 < s < 1 2. Untuk 0 < r i < 1, maka 0 < T(r) < 1. Ini untuk menjamin pemetaan T konsisten pada rentang nilai yang diperbolehkan. KARAKTERISASI STATISTIK Informasi tekstur menyangkut sifat-sifat citra yang berkaitan dengan lokasi, histogram dalam rangka melihat karakteriktik tekstur. Matriks co-occurrence adalah matriks yang mengambarkan frekuensi kemunculan pasangan piksel dengan intensitas tertentu dalam jarak dan arah tertentu. Salah satu sifat tektur citra digital yang dapat diambil dari statistik adalah nilai intensitas abu-abu dalam citra yaitu rata-rata (mean), standar deviasi, histogram, dan nilai entropi. Dalam penelitian ini parameter statistik yang digunakan adalah besarnya nilai entropi. Entropi Citra Entropi citra adalah sebuah fitur untuk mengukur keacakan dari distribusi intensitas. Sebuah citra dikatakan sempurna apabila mempunyai entropi nol. Entropi merupakan suatu ukuran statistik random yang dapat digunakan pada karakterisasi tekstur dari citra masukan grayscale. Entropi didefinisikan sebagai :... 2.2 Dengan p i adalah probabilitas kemunculan. Citra masukan dapat berupa citra multi dimensional. Jika citra masukan lebih dari dua dimensi, fungsi entropi menjaganya sebagai suatu citra grayscale multi dimensional dan bukan sebagai citra RGB. Rancangan algoritma dibuat untuk melakukan karakterisasi statistik terhadap citra termogram kanker payudara dini dengan lebih tepat. Data citra yang diambil dari kamera termal Fluke Ti20 Thermal Imager masih berupa citra termogram warna dan berukuran besar 256 x 256 piksel, sehingga perlu dilakukan pra pengolahan citra termogram warna diubah menjadi citra termogram grayscale. Citra termogram grayscale kemudian ditentukan ROI nya dan citra dicuplik menggunakan metode cropping menjadi citra termogram grayscale dengan ukuran 64 x 64 piksel. Hal ini dimaksudkan agar menghemat waktu komputasi. Perancangan pembuatan algoritma yang akan diterapkan pada penelitian ini ditunjukkan pada diagram alir gambar 3.1 berikut ini. 103
Mulai Akuisisi Citra Konversi Citra RGB Menjadi Grayscale ROI dan Cropping Histogram Equalization Jumlah data yang diambil menggunakan kamera termal Fluke Ti20 Thermal Imager sebanyak 19 citra termogram kanker payudara dini. Dari data citra termogram yang telah diambil, dipilih 10 data citra termogram yang mempunyai kualitas terbaik untuk digunakan dalam pengujian algoritma. Citra termogram memiliki kualitas baik apabila dalam citra tersebut tidak terdapat derau, sehingga posisi kanker payudara terlihat dengan jelas, tidak kabur, dan dapat dilihat batas posisinya dengan area jaringan normal dalam citra termogram tersebut. Pemilihan citra dengan kualitas terbaik ini juga dimaksudkan agar dalam penentuan ROI dan mencuplik obyek yang akan diuji dapat dilakukan dengan tepat. Analisa Histogram Menentukan Karakterisasi Statistik dengan Menghitung Nilai Entropi Citra serta Merepresentasikan Secara Grafis Selesai Gambar 3.1 Diagram alir perancangan pembuatan algoritma karakterisasi statistik Data yang digunakan dalam penelitian ini adalah citra termogram kanker payudara dini. Citra termogram tersebut diambil dari pasien kanker payudara berjenis kelamin wanita di RSUP. Dr. Sardjito Yogyakarta tanpa mempertimbangkan umur pasien. PENGUJIAN PERANGKAT LUNAK Pengujian perangkat lunak dilakukan dengan menggunakan parameter besarnya nilai entropi. Besar nilai entropi digunakan sebagai parameter karena nilai entropi dapat menunjukkan karakterisasi statistik suatu citra. Tujuan karakterisasi statistik menggunakan teknik histogram equalization adalah untuk mendapatkan citra yang lebih baik kualitas histogramnya, sehingga dapat mengecilkan nilai entropi suatu citra. Sebagai mana diketahui citra yang mempunyai nilai entropi nol adalah citra yang paling baik untuk dianalisa. Citra termogram kanker payudara dini akan diuji menggunakan perangkat lunak yang telah dibuat. Hasil yang diperoleh pada tahap pengujian ini adalah besar nilai entropi masing-masing citra beserta histogramnya. 104
Analisa hasil pengujian dilakukan dengan membandingkan besarnya nilai entropi citra sebelum dan sesudah dikenakan teknik histogram equalization. Analisa hasil pengujian akan menentukan karakterisasi statistik citra termogram kanker payudara dini dengan parameter besarnya nilai entropi. HASIL PENGUJIAN HISTOGRAM EQUALIZATION Histogram equalization adalah mengubah nilainilai intensitas citra sehingga penyebarannya seragam (uniform). Perataan histogram diperoleh dengan cara mengubah derajat keabuan suatu piksel dengan derajat keabuan yang baru dengan suatu fungsi transformasi. Tujuan dari perataan histogram adalah untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat keabuan memilki jumlah piksel yang sama. Contoh hasil histogram equalization dapat dilihat pada gambar 5.1. Citra D7 awalnya mempunyai histogram yang menumpuk pada daerah bagian tengah (100 200). Penumpukan histogram di bagian tengah disebabkan citra termogram terlalu gelap. Setelah melalui proses perataan terlihat histogramnya tersebar merata di seluruh daerah keabuan (0 255) HASIL NILAI ENTROPI Hasil perhitungan nilai entropi citra termogram payudara dini sebelum dan sesudah proses histogram equalization terlihat pada tabel 6.1 dibawah ini : Tabel 6.1 Nilai entropi citra termogram kanker payudara dini Jenis Citra Sebelum Proses Histogram Equalization Nilai Entropi Sesudah Proses Histogram Equalization D7 6.4637 5.7833 D8 6.5625 5.8476 D9 6.2173 5.5951 D10 5.8299 5.3518 D11 6.2281 5.6083 D12 5.4016 5.0348 D13 6.5407 5.8219 Gambar 5.1 Hasil histogram equalization citra D7 D14 6.3039 5.7602 D15 6.0666 5.4484 D19 6.7188 5.8407 105
Berdasarkan tabel 6.1 terlihat nilai entropi sebelum proses histogram equalization terbesar terdapat pada citra termogram kanker payudara dini D19 sebesar 6.7188, sedangkan nilai entropi terkecil sebelum proses histogram equalization terdapat pada citra termogram kanker payudara dini D12 sebesar 5.4016. Rata-rata nilai entropi sebelum proses histogram equalization sebesar 6.23331. Kesepuluh citra termogram kanker payudara dini terbukti memiliki nilai entropi yang cukup besar. Hal ini berarti citra termogram tersebut masih jauh dari sempurna. Citra termogram dikatakan sempurna apabila memiliki nilai entropi nol. Nilai entropi nol didapatkan apabila histogram citra merata di seluruh bagian. Berdasarkan data pada tabel 4.1 terbukti bahwa teknik histogram equalization yang diaplikasikan pada citra termogram kanker payudara dini berhasil mengecilkan nilai entropi citra termogram kanker payudara dini. Dengan mengecilnya nilai entropi ini, kualitas citra termogram dapat diperbaiki. Histogram citra termogram yang pada awalnya mengumpul rapat di kisaran 100-200 piksel dapat diratakan pada kisaran 0-255 piksel setelah melalui proses histogram equalization. Dengan demikian terbukti kualitas citra dapat diperbaiki dengan histogram yang tersebar merata. Histogram yang tersebar merata berarti citra yang dihasilkan menjadi lebih baik kualitas dan tingkat kecerahannya. Berdasarkan tabel 6.1 terlihat setelah dilakukan proses histogram equalization nilai entropi mengalami penurunan. Nilai entropi terbesar setelah proses histogram equalization terdapat pada citra D8 sebesar 5.8476, sedangkan nilai entropi terkecil terdapat pada citra D12 sebesar 5.0348. Rata-rata nilai entropi sesudah proses histogram equalization sebesar 5.60921. Pada gambar 4.14 terlihat semua citra mengalami penurunan nilai entropi setelah proses histogram equalization. Penurunan nilai entropi terbesar terdapat pada citra D19 sebesar 0.8781, sedangkan penurunan nilai entropi terkecil terdapat pada citra D12 sebesar 0.3668. Rata-rata penurunan nilai entropi untuk kesepuluh citra termogram kanker payudara dini sebesar 0.6241 atau sebesar 9,924482 %. Gambar 6.1 Perbandingan nilai entropi citra termogram kanker payudara dini 106
KESIMPULAN Teknik histogram equalization dapat diaplikasikan pada citra termogram kanker payudara dini dengan menggunakan program berbasis Matlab 7.1 Nilai entropi sebelum proses histogram equalization terbesar terdapat pada citra termogram k anker payudara dini D19 sebesar 6.7188, sedangkan nilai entropi terkecil sebelum proses histogram equalization terdapat pada citra termogram kanker payudara dini D12 sebesar 5.4016. Rata-rata nilai entropi sebelum proses histogram equalization sebesar 6.23331. Nilai entropi terbesar setelah proses histogram equalization terdapat pada citra D8 sebesar 5.8476, sedangkan nilai entropi terkecil terdapat pada citra D12 sebesar 5.0348. Rata-rata nilai entropi sesudah proses histogram equalization sebesar 5.60921. Terbukti bahwa teknik histogram equalization yang diaplikasikan pada citra termogram kanker payudara dini berhasil mengecilkan nilai entropi citra termogram kanker payudara dini sebesar 9,924482 %. Histogram citra termogram yang pada awalnya mengumpul rapat di kisaran 100-200 piksel dapat diratakan pada kisaran 0-255 piksel setelah melalui proses histogram equalization. Dengan demikian terbukti kualitas citra dapat diperbaiki dengan histogram yang tersebar merata. DAFTAR PUSTAKA American Cancer Society, Breast Cancer, 2010 Darma Putra, Pengolahan Citra Digital, Penerbit Andi Yogyakarta, 2010 Gonzalez, R. C and Rafael, E. W, 2008, Digital Image Processing, Prentice Hall, Inc., United Stated, America Jain, Fundamental of Digital Image Processing, Prentice Hall, 1995 J.Mercola,DR. Revolutionary and Safe Diagnostic Tool Detects Hidden Inflammation Thermography. http:// naturalhealthcenter.mercola.com,2011 Munir, R, Pengolahan Citra Digital dengan Pendekatan Logaritmik, Penerbit Informatika, Bandung, 2004 N. Belliveau, M.D., J. Keyserlingk, M.D. et al. Infrared Imaging of the Breast : Initial Reappraisal Using High-Resolution Digital Technology in 100 Successive Cases of Stage I and II Breast Cancer. Breast Journal, 1998; V 4, No. 4 Nurhayati. T, 2006, Karakteristik Statistik Berbasis Keacakan Termal Pada Kanker Payudara Stadium Lanjut, Tesis S2 Teknik Elektro, Universitas Gadjah Mada, Yogyakarta. P. Gamigami, M.D. Atlas of Mammography : New Early Signs in Breast Cancer. Blackwell Science, 1996. Sutoyo. T, Teori Pengolahan Citra Digital, 2009, Penerbit Andi, Yogyakarta. 107