MENCARI NILAI THRESHOLD YANG TEPAT UNTUK PERANCANGAN PENDETEKSI KANKER TROFOBLAS

dokumen-dokumen yang mirip
BAB I. Pendahuluan. Kanker rahim tergolong penyakit kanker yang terbanyak diderita kaum

Abstrak Pencarian Nilai Threshold Dalam Teknik Segmentasi Citra Untuk Aplikasi Pendeteksi Kanker Trofoblas

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. Deteksi Penyakit Kanker Serviks Menggunakan Metode Adaptive Thresholding Berbasis Pengolahan Citra

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 3 PERUMUSAN OBJEK RANCANGAN. Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi

BAB I PENDAHULUAN. dengan peningkatan proliferasi selular dari trofoblas plasenta meliputi :

BAB I PENDAHULUAN. 1.1 Latar Belakang

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN

IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA

BAB I PENDAHULUAN. Dalam menanggulangi masalah angka kematian ibu yang masih tinggi di

1 Universitas Kristen Maranatha

PERHITUNGAN SEL DARAH MERAH MENGGUNAKAN OPERASI MORFOLOGI BRANCHPOINTS BERBASIS PENGOLAHAN CITRA DIGITAL

BAB 1 PENDAHULUAN. 5 15% wanita usia reproduktif pada populasi umum. rumah sakit pemerintah adalah sebagai berikut : di RSUD dr.

BAB I PENDAHULUAN. kompleks, mencakup faktor genetik, infeksi Epstein-Barr Virus (EBV) dan

Implementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI

Aplikasi Image Thresholding untuk Segmentasi Objek Menggunakan Metode Otsu s Algorithm. Erick Hartas/

I. PENDAHULUAN. pada wanita dengan penyakit payudara. Insidensi benjolan payudara yang

BAB I PENDAHULUAN 1.1 Latar Belakang

Identifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia

BAB I PENDAHULUAN. Bab I Pendahuluan

BAB 3 IMPLEMENTASI SISTEM

BAB I PENDAHULUAN 1.1. Latar Belakang

I. PENDAHULUAN. sikap yang biasa saja oleh penderita, oleh karena tidak memberikan keluhan

BAB 1 PENDAHULUAN Latar Belakang

Mola Hidatidosa. Matrikulasi Calon Peserta Didik PPDS Obstetri dan Ginekologi

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha

BAB I PENDAHULUAN. Citra (image) istilah lain untuk gambar sebagai salah satu komponen

BAB 1 PENDAHULUAN 1.1. Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. FAM (Fibroadenoma Mammae) merupakan tumor jinak payudara dan merupakan

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI KEDOKTERAN FAKULTAS KEDOKTERAN UNIVERSITAS SEBELAS MARET

BAB 3 METODOLOGI PENELITIAN

BAB 1 PENDAHULUAN Latar belakang masalah

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

HUBUNGAN STATUS GIZI DAN HIPERTENSI DENGAN KEJADIAN MOLA HIDATIDOSA DI RSUD BANJARNEGARA TAHUN

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN. kehamilan ektopik yang berakhir dengan keadaan ruptur atau abortus. 12 Kehamilan

Pengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007

Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter

BAB IV PREPROCESSING

BAB I PENDAHULUAN. dikalangan wanita sedunia, meliputi 16% dari semua jenis kanker yang diderita


BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. metode deteksi dini yang akurat. Sehingga hanya 20-30% penderita kanker

BAB I PENDAHULUAN I.1

DETEKSI TEPI KANKER ORGAN REPRODUKSI WANITA MENGGUNAKAN OPERARTOR PREWITT

BAB 4 HASIL. Korelasi stadium..., Nurul Nadia H.W.L., FK UI., Universitas Indonesia

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi

BAB I PENDAHULUAN. A. Latar Belakang. Kanker ovarium merupakan keganasan yang paling. mematikan di bidang ginekologi. Setiap tahunnya 200.

BAB 1 PENDAHULUAN. jinak yang tumbuh pada rahim. Dalam istilah kedokteranya disebut

Pengolahan Citra Nanopartikel untuk Penentuan Formula Feed Additive Berdasarkan Jumlah Sel Kurkumin

BAB 1 PENDAHULUAN. kasus diantaranya menyebabkan kematian (Li et al., 2012; Hamdi and Saleem,

PENYULUHAN KESEHATAN UNTUK MENINGKATKAN KESADARAN WANITA DALAM USAHA MENCEGAH KANKER PAYUDARA DI KOTA PADANG

ABSTRAK GAMBARAN KARAKTERISTIK PENDERITA MIOMA UTERI DI RUMAH SAKIT IMMANUEL BANDUNG TAHUN

KONSEP DASAR PENGOLAHAN CITRA

BAB 1 PENDAHULUAN. Karsinoma servik merupakan penyakit kedua terbanyak pada perempuan

BAB 1 PENDAHULUAN. dari semua kanker pada organ reproduksi. Diantara kanker yang ditemukan pada

FERY ANDRIYANTO

BAB 1 PENDAHULUAN. Karsinoma serviks uteri merupakan masalah penting dalam onkologi ginekologi di

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN. Diperkirakan terdapat kasus baru kanker ovarium dan kasus meninggal

BAB I PENDAHULUAN. 1.1 Latar Belakang

PENGENALAN DAN PEWARNAAN PADA CITRA GRAY-SCALE ABSTRAK

BAB 1 PENDAHULUAN 1.1 Latar Belakang

PENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS

DETEKSI GEJALA HEMATURIA BERDASARKAN JUMLAH SEL DARAH MERAH PADA URINE BERBASIS PENGOLAHAN CITRA

Klasifikasi Citra Imunohistokimia Sel Kanker Payudara HER2 Skore 1+ dan 3+

Kanker Servix. Tentu anda sudah tak asing lagi dengan istilah kanker servik (Cervical Cancer), atau kanker pada leher rahim.

BAB I PENDAHULUAN diantaranya meninggal akibat penyakit tersebut (Lester, 2004 ;

BAB I PENDAHULUAN. informasi namun juga untuk menyelesaikan masalah dalam kehidupan sehari-hari.

Prototype Color Deconvolution pada Citra Microscopic

ABSTRAK GAMBARAN PENDERITA KANKER PARU DI RUMAH SAKIT HASAN SADIKIN BANDUNG PERIODE JANUARI DESEMBER 2011

BAB I PENDAHULUAN. Latar Belakang

BAB III METODE PENELITIAN. Kedokteran Universitas Diponegoro Rumah Sakit Umum Pusat (RSUP) Dr. Kariadi

M O L A H I D A T I D O S A

BAB II LANDASAN TEORI...

BAB I PENDAHULUAN. uteri. Hal ini masih merupakan masalah yang cukup besar dikalangan masyarakat Di

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN. serviks uteri. Kanker ini menempati urutan keempat dari seluruh keganasan pada

BAB I PENDAHULUAN. Selama tiga dasawarsa terakhir, kanker ovarium masih merupakan masalah

BAB 1 PENDAHULUAN. A. Latar Belakang. Selama masa perkembangan tubuh, payudara juga mengalami

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan

1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan

BAB I PENDAHULUAN. 1.1 Latar Belakang Identifikasi Masalah

BAB I PENDAHULUAN. kematian pada perempuan. Penyakit ini telah merenggut nyawa lebih dari

BAB I PENDAHULUAN. Tubuh terdiri dari sel-sel yang selalu tumbuh. Kadang-kadang. pertumbuhan tersebut tidak terkontrol dan membentuk suatu gumpalan.

BAB I PENDAHULUAN. organ dalam tubuh seperti Computed Tomography (CT) scan, Digital

No. Responden: B. Data Khusus Responden

PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

PENERAPAN SISTEM PAKAR UNTUK MENDETEKSI PENDARAHAN PADA MASA KEHAMILAN

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. A. Latar Belakang. Kanker payudara merupakan diagnosis kanker yang paling sering terjadi pada

BAB I PENDAHULUAN. wilayah ke wilayah yang lain. Sampai saat ini penyakit 7menular seperti

Transkripsi:

MENCARI NILAI THRESHOLD YANG TEPAT UNTUK PERANCANGAN PENDETEKSI KANKER TROFOBLAS Marvin Chandra Wijaya 1, Semuil Tjiharjadi 2 1 Jurusan Sistem Komputer, Fakultas Teknik,Universitas Kristen Maranatha Jl. Suria Sumantri 65, Bandung 40164 Telp. (0222) 2012186 ext. 229, Faks. (0222) 2012154 2 Jurusan Sistem Komputer, Fakultas Teknik,Universitas Kristen Maranatha Jl. Suria Sumantri 65, Bandung 40164 E-mail: marvinchw@gmail.com, semuiltj@maranatha.edu ABSTRAK Penyakit Trofoblas Gestasional (PTG) adalah suatu kelompok (spektrum) penyakit yang pada umumnya dimulai dengan suatu kegagalan kehamilan, terdiri dari MH(Mola Hidatodisa) yang jinak dan TTG (Tumour Trophoblast Gestational) yang ganas. Dari segi klinis, agar bisa membuat diagnosis yang cepat dan tepat, terapi yang efisien, yang diharapkan dapat membuat prognosis yang baik. Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation) mempuyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu. Dalam penelitian ini, dibahas bagaimana cara mendeteksi TTG yang cenderung berkembang menjadi kanker dengan menggunakan teknik segmentasi citra. Teknik segmentasi citra ini meliputi pemisahan objek dari latar belakangnya. Dengan mengacu bahwa objek adalah sel kanker, atau pembuluh darah yang tak lazin, kemudian dianalisis sesuai dengan ciri-ciri yang telah diketahui. Dengan mengunakan cara pencarian nilai threshold yang tepat, maka pada 10 kasus trofoblas, keakuratan dapat diperoleh hingga 90% pada nilai threshold 55 dan 60. Kata Kunci: Segmentasi citra, Pengolahan Citra Digtal, Deteksi Kanker Trofoblas 1. LATAR BELAKANG Kanker rahim tergolong penyakit kanker yang terbanyak diderita kaum perempuan. Penyakit tersebut bahkan sangat mematikan. Biasanya beragam jenis kanker, termasuk kanker rahim, muncul karena adanya pertumbuhan sel yang abnormal. Layaknya semua kanker, kanker Trofoblas terjadi jika terdapat pertumbuhan sel-sel pada rahim yang tidak lazim (abnormal) ditandai dengan persebaran pembuluh darah pada rahim yang tidak semestinya 1. Hal ini menandakan keberadaan sel-sel yang berpotensi untuk berkembang menjadi kanker. Tetapi sebelum sel-sel tersebut menjadi sel-sel kanker, terjadi beberapa perubahan yang dialami oleh sel-sel tersebut. Perubahan sel-sel tersebut biasanya memakan waktu sampai bertahun-tahun sebelum sel-sel tadi berubah menjadi sel-sel kanker. Dengan deteksi dini atau dengan kata lain menemukan perubahan abnormal pada sel-sel rahim sedini mungkin, maka risiko kematian pada wanita yang menderita kanker trofoblas dapat dihindari. Berdasarkan penelitian epidemologi di kota Bandung, diperkirakan kasus kanker trofoblas 1 Gestational Trophoblastic Cancer http://www.cancerindex.org/clinksn.htm (Diakses pada tanggal 15 Desember 2007) terjadi sebanyak 6.600 8.250 per tahun 2. Sebelumnya, pada tahun 198, berdasarkan kriteria WHO kasus ini diperkirakan sebanyak.00 kasus per tahun. Berdasarkan data tersebut menandakan bahwa kasus ini kian meningkat dari tahun ke tahun. Dari segi klinis, agar bisa membuat diagnosis yang cepat dan tepat, terapi yang efisien, yang pada gilirannya diharapkan dapat prognosis yang baik, diperlukan dukungan bioteknologi yang mutakhir, seperti Ultrasnography (USG), Magnetic Resonance Image (MRI), Radioimmunoassay (RIA), berbagai jenis kemoterapi, dan bioteknologi lainnya 4. Agar transformasi keganasan dapat diketahui sejak dini, semua penderita harus diawasi minimal selama satu tahun. Untuk kerja sama dengan unitunit pelayanan yang berada di daerah, baik Puskesmas, RS Kabupaten maupun praktisi swasta, SpOG, dokter umum maupun bidan. Oleh karena itu harus ada sebuah sistem informasi yang cepat dan mudah untuk pelaksanaannya. Pengidentifikasian dapat dilakukan dengan menggunakan program simulasi komputer yang dapat melakukan simulasi pengolahan citra dengan cepat. Segmentasi Citra (Image Segmentation) 2 Djamhoer Martaadisoebrata. Buku Pedoman Pengelolaan Penyakit Trofoblas Gestasional. Jakarta. Buku Kedokteran EGC, hal.5 Ibid 4 Op.Cit Buku Pedoman Pengelolaan Penyakit Trofoblas Gestasional. Djamhoer Martaadisoebrata. hal.2 C-28

merupakan salah satu tahap pada pengolahan citra (Image Processing), dimana tahap sebelumnya adalah tahap dasar yang meliputi pengurangan noise (noise reduction), perbaikan citra (image enchancement) dan resolusi citra (image restoration). Pada kasus ini, kanker yang masih berupa sel-sel akan dicitrakan sebagai objek titik atau luasan. Sedangkan rahim yang menjadi tempat tumbuhnya sel-sel kanker tersebut akan dicitrakan sebagai latar belakang (background). Setelah proses segmentasi selesai, maka citra/image akan memasuki tahap terakhir atau analisa. 2. PENGOLAHAN CITRA DIGITAL 2.1 Greyscale Proses awal yang sering dilakukan pada image processing adalah mengubah citra berwarna menjadi citra gray-scale. Hal ini dilakukan untuk menyederhanakan model citra. Di dalam suatu gambar true color (RGB) terdapat tiga layer matriks, yaitu R-layer, G-layer, dan B-layer. Pada image processing dilakukan proses-proses terhadap ketiga layer tersebut, berarti dilakukan perhitungan yang sama pada setiap layer. Dengan demikian konsep grey-scale adalah mengubah tiga layer tersebut menjadi satu layer matriks grey-scale, yang menghasilkan satu citra grey-scale. Di dalam citra ini tidak ada lagi warna, yang ada adalah derajat keabuan. Secara umum untuk menghasilkan citra greyscale, konversi dilakukan dengan mengambil ratarata dari nilai r, g, dan b, sehingga menghasilkan nilai s sebagai nilai grey-scale nya. Secara matematis dituliskan sbb 5 : r + g + b s = (1) Pada penjelasan di atas pengubahan citra berwarna menjadi citra grey-scale adalah dengan mencari nilai rata-rata grey-scale dari setiap layer r, g, dan b. Beberapa image belum optimal jika diberikan cara di atas, untuk keoptimalan citra greyscale diperlukan perubahan komposisi pada layer r, g, dan b. 2.2 Histogram Banyak sekali proses pengolahan citra yang melibatkan distribusi data, seperti pada contoh konversi biner di atas. Bahkan dalam image enhancement (perbaikan citra), distribusi dari nilai derajat keabuan pada citra menjadi suatu acuan dasar. Untuk menyatakan distribusi data dari nilai derajat keabuan ini dapat digunakan nilai histogram. Histogram adalah suatu fungsi yang menyatakan jumlah kemunculan dari setiap nilai. Misalkan diketahui data sebagai berikut: X = 1 2 5 0 2 1 2 4 2 Maka histogramnya adalah munculnya setiap nilai, yaitu: nilai 0 muncul 1 kali, nilai 1 muncul 2 kali, nilai 2 muncul 4 kali, nilai muncul kali, nilai 4 muncul 1 kali dan nilai 5 muncul 1 kali. Karena citra mempunyai derajat keabuan 256 yaitu (0-255) maka histogram menyatakan jumlah kemunculan setiap nilai 0-255. Berikut ini adalah contoh bentuk histogram dari citra: (a) (b) (c) Gambar 1. (a) Citra greyscale blood (b) Citra Greyscale rice (c) citra greyscale fish (a) (b) (c) Gambar 2. (a) Histogram blood (b) Histogram rice (c) Histogram fish 2. Thresholding Thresholding digunakan untuk mengatur jumlah derajat keabuan yang ada pada citra. Dengan menggunakan thresholding maka derajat keabuan bisa diubah sesuai keinginan, misalkan diinginkan menggunakan derajat keabuan 16, maka tinggal membagi nilai derajat keabuan dengan 16. Proses thresholding ini pada dasarnya adalah proses pengubahan kuantisasi pada citra, sehingga untuk melakukan thresholding dengan derajat keabuan dapat digunakan rumus: w x = b (2) dimana : w adalah nilai derajat keabuan sebelum thresholding b adalah jumlah derajat keabuan yang diinginkan x adalah nilai derajat keabuan setelah thresholding Pada thresholding yang tinggi tidak tampak perbedaan karena keterbatasan mata, tetapi untuk thresholding tingkat rendah seperti 2, 4, 8, 16 tampak sekali perbedaannya. 5 Op.Cit. Pengolahan Citra Digital Menggunakan Visual Basic. Achmad Basuki. hal 27 C-29

Gambar. Grey-Scale dengan beberapa tingkat thresholding 2.4 Segementasi Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada sistem pengenalan objek dalam citra. Gonzalez dan Wintz (1987) menyatakan bahwa segmentasi adalah proses pembagian sebuah citra kedalam sejumlah bagian atau obyek. Segmentasi merupakan suatu bagian yang sangat penting dalam analisis citra secara otomatis, sebab pada prosedur ini obyek yang diinginkan akan disadap untuk proses selanjutnya, misalnya: pada pengenalan pola. Segmentasi citra (image segmentation) mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel piksel tetangganya, kemudian hasil dari proses segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses identifikasi objek. Sedangkan pendekatan similarity adalah pendekatan dengan cara mempartisi citra menjadi daerah-daerah yang memiliki kesamaan sifat tertentu (region based), dengan menggunakan teknik thresholding, region growing, region splitting and merging.. TUMOR TROFOBLAS GESTASIONAL Pada umumnya setiap kehamilan berakhir dengan lahirnya bayi cukup bulan, sehat, dan sempurna. Tetapi ada kalanya ditemukan gangguan pada perkembangannya sehingga menjadi kegagalan. Peristiwa ini disebut sebagai kegagalan kehamilan atau Reproductive Failure. Reproductive Failure bisa berupa abortus, kehamilan ektopik, prematuritas, kematian dalam rahim, dan perkembangan janin terhambat atau cacat bawaan. Disamping kelainan tersebut, masih ada kegagalan hamil lainnya, yang hasil konsepsinya tidak berupa janin, melainkan berkembang secara patologis berupa gelembung yang menyerupai anggur, yang disebut sebagai (MH) atau kegagalan hamil anggur. Sebagian besar penderita MH akan menjadi baik kembali setelah ditangani secara tuntas, tetapi lebih kurang 15 20 % akan mengalami keganasan menjadi Tumor Trofoblas Gestasional (TTG). Penyakit Trofoblas Gestasional (PTG) adalah suatu kelompok (spektrum) penyakit, yang pada umumnya dimulai dengan suatu kegagalan kehamilan, terdiri dari MH yang jinak dan TTG yang ganas. Di dalam literatur dunia, nomenklatur mengenai PTG ini bermacam-macam. Oleh karena itu, pada tahun 198, WHO Scientific Group, mengusulkan istilah Gestatiomal Trophoblastic Diseases (GTD), yang mempunyai pengertian umum di dalamnya tercakup kelainan jinak dan ganas, serta Gestational Trophoblastic Tumour (GTT), yang pengertiannya hanya mencakup kelompok ganas saja. Pada pembahasan sebelumnya dan selanjutnya, istilah GTD dan GTT disebut dengan PTG dan TTG. TTG dapat tetap terbatas di uterus, atau mengalami progresivitas lokal berupa perforasi uterus atau bermetastasis ke organ-organ lain seperti vagina, paru-paru alat pencernaan, hepar, otak dan lain-lain. Oleh karena itu TTG sering menunjukan gejala-gejala non obstetri, non ginekologi seperti batuk, sesak, batuk darah dan kelainan neurologi. Oleh karena itu untuk penanganan nya tidak hanya oleh bagian Obstetri Ginekologi saja, tetapi juga bersama-sama dengan bagian Penyakit Dalam, Neurologi, dan Laboratorium Penunjang lainnya. Dari segi klinis, agar bisa membuat diagnosis yang cepat dan tepat, terapi yang efisien, yang pada gilirannya diharapkan dapat prognosis yang baik, diperlukan dukungan bioteknologi yang mutakhir, seperti Ultrasnographyi (USG), Magnetic Resonance Image (MRI), Radioimmunoassay (RIA), berbagai jenis kemoterapi, dan lain-lain. Agar transformasi keganasan dapat diketahui sejak dini, semua penderita MH pasca evakuasi harus diawasi minimal selama satu tahun. Untuk kerja sama dengan unit-unit pelayanan yang berada di daerah, baik Puskesmas, RS Kabupaten maupun praktisi swasta, SpOG, dokter umum maupun bidan. Ada perbedaan yang sangat bermakna dalam masalah PTG ini, antara negara maju dan negara berkembang, seperti Indonesia, baik dilihat dari segi epidemologi, gambaran klinik, manajemen maupun prognosis. Di negara maju walaupun prevalensinnya yang rendah, minat terhadap penyakit ini sangat tinggi, dan sudah mendirikan Trophoblastic Center. Sebaliknya untuk Indonesia, PTG masih merupakan masalah pelayanan kesehatan reproduksi yang besar, karena prevalensi yang tinggi, faktor resiko yang banyak, dan penyebaran yang merata. Dalam kasus trofoblas, untuk kriteria Mola Hidatidosa pembuluh darah akan terdeteksi + 1% sampai dengan 2% dari bagian rahim, choriocarcinoma berada + diatas 5% dan C-0

diantaranya adalah kriteria border line (mola infasive) 6. Histopatologi ini prosedur yang biasa digunakan untuk mendiagnosa trofoblas choriocarcinoma 8. Gambar 2. Hasil USG Doppler Patologi anatomi ialah spesialisasi medis yang berurusan dengan diagnosis penyakit berdasarkan pada pemeriksaan kasar, mikroskopik, dan molekuler atas organ, jaringan, dan sel. Di banyak negeri, dokter yang berpraktek patologi dilatih dalam patologi anatomi dan patologi klinik, diagnosis penyakit melalui analisis laboratorium pada cairan tubuh. Patolog anatomi mendiagnosis penyakit dan memperoleh informasi yang berguna secara klinis melalui pemeriksaan jaringan dan sel, yang umumnya melibatkan pemeriksaan visual kasar dan mikroskopik pada jaringan, dengan pengecatan khusus dan imunohistokimia yang dimanfaatkan untuk memvisualisasikan protein khusus dan zat lain pada dan di sekeliling sel 7. Kini, patolog anatomi mulai mempergunakan biologi molekuler untuk memperoleh informasi klinis tambahan dari spesimen yang sama. Histopatologi yaitu pemeriksaan mikroskopik pada salah satu bagian jaringan yang dicat menggunakan teknik histologis. Cat standar adalah hematoksilin dan eosin, namun lainnya juga ada. Pemakaian kaca mikroskop yang dicat dengan hematoksilin dan eosin untuk menyediakan diagnosis spesifik berdasarkan pada morfologi dianggap sebagai keahlian inti patologi anatomi. Ilmu yang mempelajari pengecatan bagian jaringan disebut histokimia. Histopatologi termasuk ke dalam salah satu prosedur yang digunakan dalam patologi anatomi. Gambar. Citra PA 4. PERANCANGAN Diagram blok analisa citra USG Doppler dan Patologi Anatomi (PA) adalah seperti pada gambar 6 dan 7. Gambar 4. Diagram Blok Analisa Citra USG Doppler Gambar 5. Diagram Blok Analisa Citra PA 6 Relationship of Myoma Cell Size and Menopausal Status in Small Uterine Leiomyomas. http://arpa.allenpress.com/arpaonline/?request=get- document&doi=10.104%2f000-9985(2000)124%c1448:romcsa%e2.0.co%b2 (Diakses tanggal 24 Desember 2007), the vision of neovascular might be indicates the state of trophoblastic gestational. Mole Hydatidose average in range 1% and 2% neovascular of uterus, Choriocarcinom in above of 5%, and the between is Infasive Mole Hydatidose. 7 Gestational Trophoblastic Tumor http://www.cancer.gov/cancertopics/types/gestationaltrophob lasticsample contains undifferentiated cytotrophoblastic and syntrophoblastic cells 5. PEMBAHASAN Dengan menggunakan program yang telah dibuat, maka diadakan beberapa studi kasus untuk membuktikan keakuratan dari program tersebut. Keakuratan dari program ini ditentukan oleh batas 8 Gestational Trophoblastic Tumor http://www.cancer.gov/cancertopics/types/gestationaltrophob lastic, histologic examination:the most obvious difference between choriocarcinoma and common cancer is that the choriocarcinoma do not have tumor intrinsic connective stromal cells and intrinsic blood vessels. C-1

nilai threshold pada segmentasi warna. Studi kasus ini memerlukan data-data berupa citra hasil USG Doppler yang telah diketahui jenis kanker trofoblas nya. Tabel 1. Data Pengamatan Citra USG Doppler dengan t=0 Citra USG Doppler Hasil Pengklasifikasian Nilai Kebenaran Dari data pengamatan di atas tingkat akurasi yang diperoleh adalah: Akurasi = x100% = 0% 10 Tabel 2. Data Pengamatan Citra USG Doppler dengan t=55 Citra USG Doppler Hasil Pengklasifikasian Nilai Kebenaran Dari data pengamatan di atas tingkat akurasi yang diperoleh adalah: 7 Akurasi = x100% = 70% 10 % 100 80 60 40 20 0 0, 0 40, 0 Kurva Tingkat Akurasi 50, 70 55, 90 60, 90 65, 70 0 40 50 55 60 65 70 t 70, 50 Gambar 6. Kurva Tingkat akurasi Akurasi Dengan program yang telah dibuat, pada data pengamatan citra PA ini diharapkan dapat memperoleh hasil berupa jumlah sel yang terdapat dalam citra. Percobaan dilakukan tiga kali pada setiap citra dan kemudian dihitung jumlah sel ratarata nya. Berikut ini hasil dari percobaan yang telah dilakukan. Gambar 9. Gambar Citra PA Untuk file PA1.jpg diperoleh hasil sebagai berikut: Original Magnification x 150 Tabel. Data Pengamatan Citra PA1.jpg N Jumlah Sel 1 259 2 8 259 jumlah _ sel( n) 1 259 + 8 + 259 = 285 Untuk file PA2.jpg diperoleh hasil sebagai berikut: Original Magnification: x 100 Tabel 4. Data Pengamatan Citra PA2.jpg N Jumlah Sel 1 45 2 598 660 C-2

jumlah _ sel( n) 1 45 + 598 + 660 = 564 Untuk file PA.jpg diperoleh hasil sebagai berikut: Original Magnification x 100 Tabel 5. Data Pengamatan Citra PA.jpg N Jumlah Sel 1 284 2 527 42 1 jumlah _ sel( n) the vision of neovascular might be indicates the state of trophoblastic gestational. Mole Hydatidose average in range 1% and 2% neovascular of uterus, Choriocarcinom in above of 5%, and the between is Infasive Mole Hydatidose. Gestational Trophoblastic Tumor http://www.cancer.gov/cancertopics/types/gestationa ltrophoblasticsample contains undifferentiated cytotrophoblastic and syntrophoblastic cells Gestational Trophoblastic Tumor http://www.cancer.gov/cancertopics/types/gestationa ltrophoblastic, histologic examination:the most obvious difference between choriocarcinoma and common cancer is that the choriocarcinoma do not have tumor intrinsic connective stromal cells and intrinsic blood vessels. 284 + 527 + 42 = 411 KESIMPULAN Berikut ini adalah kesimpulan yang diperoleh dari hasil percobaan : Program untuk mengidentifikasi trofoblas sehingga dapat terklasifikasi sebagai Mola Hidatidosa, dan telah berhasil dibuat berdasarkan luas pembuluh darah yang terdeteksi. Pada Analisa Citra PA dapat dihasilkan jumlah sel dalam citra PA yang memiliki Klasifikasi. Tingkat keberhasilan dari program identifikasi kanker trofoblas ini dipengaruhi berdasarkan nilai threshold. Berdasarkan data pengamatan, dari 10 kasus yang diantaranya adalah kasus Mola Hidaidosa, 4 kasus, dan kasus diperoleh akurasi 90% pada nilai t=55 dan t=60 PUSTAKA Gestational Trophoblastic Cancer http://www.cancerindex.org/clinksn.htm Djamhoer Martaadisoebrata. Buku Pedoman Pengelolaan Penyakit Trofoblas Gestasional. Jakarta. Buku Kedokteran EGC. Buku Pedoman Pengelolaan Penyakit Trofoblas Gestasional. Djamhoer Martaadisoebrata. Relationship of Myoma Cell Size and Menopausal Status in Small Uterine Leiomyomas. http://arpa.allenpress.com/arpaonline/?request= get-document&doi=10.104%2f000-9985(2000)124%c1448:romcsa%e2.0.c O%B2 (Diakses tanggal 24 Desember 2007), C-