BAB I PENDAHULUAN 1.1 Latar Belakang Melihat kondisi sebagian besar masyarakat Indonesia saat ini yang mengalami banyak tekanan baik dari segi ekonomi, politik, pekerjaan dan sebagainya, menyebabkan terjadinya depresi dan gejala stroke. Neurolog dari Rush University Medical Center Dr Richard E. Temes mengatakan, stroke sangat mungkin terjadi kapan saja. Yang perlu diingat adalah stroke sangat mungkin dicegah. Salah satu penanda yang paling mudah dikenali saat seseorang akan terkena stroke adalah penyumbatan pembuluh darah sementara atau disebut transient ischemic attack (TIA). Untuk mencegah terjadinya kecacatan jangka panjang pada seseorang yang terkena stroke iskemik, maka dimana bagian tersumbatnya pembuluh darah harus diketahui secara tepat. Pada kasus stroke iskemik hiperakut, CT Scan biasanya tidak sensitif mengidentifikasi infark serebri karena terlihat normal pada > 50% pasien, tetapi cukup sensitif untuk mengidentifikasi perdarahan intrakranial akut dan atau lesi lain yang merupakan kriteria eksklusif terapi trombolitik. Untuk membantu dalam mengklasifikasikan lokasi stroke digunakan pengolahan citra sehingga hasil CT Scan dapat digunakan untuk mengidentifikasi lokasi terjadinya stroke iskemik. Penelitian menggunakan objek data hasil CT Scan sudah banyak dilakukan diantaranya penelitian yang dilakukan oleh (Nurhayati, 2009), (Susmikanti, 2010), dan (Pradanawati,et.all.,2011). Nurhayati (2009) dalam penelitiannya menggunakan pengolahan citra untuk menganalisis citra digital Head CT Scan. Metode yang digunakan adalah metode pengambangan, pengambangan ganda, deteksi tepi, dan k-mean clustering untuk menganalisis objek berdasarkan dari ciri objek tersebut.
2 Susmikanti (2010) dalam penelitiannya, telah melakukan identifikasi pola berbasis jaringan syaraf tiruan terhadap jenis tumor melalui hasil pola citra menggunakan citra digital CT Scan maupun MRI. Selanjutnya citra dari hasil CT Scan ataupun MRI dikonversi kedalam bentuk digital standard menggunakan 1 teknik pengolahan citra. Hasil konversi digital, menggunakan PCA (Principle Component Analysis) menghasilkan karakteristik dominan sehingga mewakili pola citra tersebut. Karakteristik dominan ini digunakan pada jaringan syaraf tiruan, untuk tahap pembelajaran, pelatihan dan pengujian atau simulasi. Dalam identifikasi pola, pada tahap pembelajaran dengan pengawasan digunakan metode perceptron. Jenis tumor otak terhadap hasil CT Scan maupun MRI diklasifikasikan sesuai dengan kode masukan. Sampel untuk keperluan pembelajaran, pelatihan dan simulasi menggunakan basis data hasil CT Scan ataupun MRI. Pradanawati, et.all, 2011 melakukan penelitian dengan data citra foto thoraks untuk mendiagnosa penyakit kanker paru, dengan metode yang digunakan adalah ANFIS (Adaptive Neuro-Fuzzy Inference Systems) dimana metode ini adalah gabungan dari sistem fuzzy logic dan JST. Kemampuan Jaringan Syaraf Tiruan (JST) dalam mendiagnosa atau mengenali jenis tumor yang terjadi sangat dipengaruhi oleh banyaknya data training. Oleh sebab itu, semakin banyak karakteristik dominan yang ditraining akan semakin bagus. Namun disisi lain, jaringan syaraf tiruan memiliki kelemahan. Yaitu masih dibutuhkan iterasi yang banyak dalam proses training untuk memproses neural network yang besar, sehingga terkadang hasil yang diperoleh menjadi kurang akurat. Dari perbandingan kedua penelitian yang dilakukan, didapat kesimpulan bahwa performa ANFIS lebih baik dibanding JST dalam mendiagnosa kanker. Hal ini dikarenakan kelebihan ANFIS yang mempunyai metode pembelajaran hybrid, yaitu pembelajaran arah maju (forward pass) dengan menggunakan metode Galat Kuadrat Terkecil (Recursive Least Square Estimator) atau sering disebut RLSE dan pembelajaran arah mundur (backward pass) yang menggunakan metode turunan (gradient descent) atau yang
3 lebih dikenal dengan istilah backpropagation. Pada arah maju, parameter premis dibuat tetap. Dengan menggunakan metode RLSE, parameter konsekuen diperbaiki berdasarkan pasangan data masukan-keluaran. Metode RLSE dapat diterapkan karena parameter konsekuen yang diperbaiki adalah parameter linier. Metode RLSE akan mempercepat proses belajar. Setelah parameter konsekuen didapat, masukan dilewatkan jaringan adaptif kembali dan hasil keluaran jaringan adaptif ini dibandingkan dengan keluaran sebenarnya. Pada arah mundur, parameter konsekuen dibuat tetap. Kesalahan (error) yang terjadi antara keluaran jaringan adaptif dan keluaran sebenarnya dipropagasikan mundur dengan menggunakan gradient descent untuk memperbaiki parameter premis. Dalam penelitian ini akan dilakukan pengenalan pola citra stroke iskemik atau identifikasi bagian otak yang terjadi penyumbatan dari CT Scan, metode yang digunakan untuk mengenali ciri objek adalah metode ANFIS, dari hasil konversi digital didapatkan karakteristik dominan, karakteristik dominan dari objek ini digunakan pada ANFIS (Adaptive Neuro Fuzzy Inference System) sebagai masukan untuk pengenalan pola dari CT Scan stroke iskemik akan menghasilkan output berupa hasil identifikasi bagian otak citra CT Scan yang terjadi penyumbatan. 1.2 Rumusan Masalah Permasalahan yang ada dalam penelitian ini : 1. Bagaimana membangun arsitektur ANFIS (Adaptive Neuro Fuzzy Inference Sytem) yang dapat digunakan untuk mengidentifikasi bagian otak yang terkena stroke iskemik. 2. Bagaimana memvalidasi output ANFIS yang telah dibangun sehingga dapat digunakan untuk mengidentifikasi lokasi bagian otak yang terkena stroke iskemik.
4 1.3 Batasan Masalah Batasan masalah dan asumsi yang digunakan untuk menganalisa antara lain : 1. Data yang digunakan adalah data hasil citra CT Scan Kepala 2. Hasil Citra diolah dengan pengolahan citra, dan hasil pengolahan dilakukan segmentasi citra 3. Hasil segmentasi citra diklasifikasi ciri menggunakan ANFIS 4. Penentuan stroke berdasarkan hasil klasifikasi ciri 1.4 Tujuan Penelitian Penulisan tugas akhir ini bertujuan untuk mangaplikasikan sistem identifikasi Neurologi (stroke iskemik) hasil citra CT Scan tomografi kepala. Manfaat dari Penelitian ini antara lain : 1. Hasil identifikasi secara komputerisasi dengan proses pengolahan citra diharapkan dapat mengidentifikasi lokasi lesi bagian otak yang terkena stroke iskemik. 2. Menjadi bahan pembanding dalam pengambilan solusi dan pemecahan masalah dalam mengidentifikasi stroke iskemik. 1.5 Metodologi Penelitian Metodologi pembahasan yang digunakan dalam penelitian ini adalah : 1. Studi pustaka Mencari referensi yang berhubungan dengan stroke iskemik, pengolahan citra digital, logika fuzzy, Fuzzy Inference System, Adaptive Neuro Fuzzy Inference System, data stroke dan hal-hal yang lain yang berkaitan dengan penelitian. 2. Referensi Pustaka Mencari referensi jurnal dan penelitian yang berhubungan dengan pengolahan citra digital, logika fuzzy, Fuzzy Inference System, Adaptive
5 Neuro Fuzzy Inference System, data stroke dan hal-hal yang lain yang berkaitan dengan penelitian. 3. Pendalaman materi Mempelajari dan memahami materi yang berhubungan dengan penelitian, seperti melakukan observasi lewat internet untuk mencari pengetahuan tambahan yang tidak terdapat pada buku-buku literatur serta melakukan konsultasi pada pembimbing. 4. Perancangan Perangkat Lunak Perancangan perangkat lunak dengan menggunakan konsep analisis dan desain yang terestruktur, dan dimodelkan menggunakan diagram proses. 5. Implementasi Implementasi secara coding berdasarkan analisis dan desain yang telah dibuat dan perangkat lunak itu sendiri akan dibuat dengan menggunakan perangkat lunak analisa matematik dan Java 6. Analisis fungsi hasil implementasi Aplikasi yang telah selesai diimplementasikan akan dievaluasi. Pengujian akan dilakukan atas sistem yang telah dibangun pada tahap implementasi kemudian menganalisa tingkat kesalahan dan proses pengenalan stroke yang diujikan, serta akan dilakukan koreksi dan penyempurnaan program apabila diperlukan 7. Mendokumentasikan hasil laporan berdasarkan penelitian yang dilakukan dan membuat kesimpulan 1.6 Sistematika Penelitian Sistematika penulisan pada tugas akhir ini adalah sebagai berikut : BAB I PENDAHULUAN Bab ini menjelaskan latar belakang dan permasalahan, tujuan penelitian, metodologi penelitian, dan sistematika penelitian. BAB II TINJAUAN PUSTAKA
6 BAB III BAB IV BAB V BAB VI BAB VII Bab ini berisi tentang abstraksi, simpulan, hasil, serta metode penelitian sebelumnya. LANDASAN TEORI Bab ini menjelaskan teori-teori pendukung yaitu pengetahuan dasar tentang Stroke Iskemik, Pengolahan Citra, Fuzzy C-Mean, Fuzzy Inference System, dan ANFIS ANALISA DAN RANCANGAN SISTEM Bab ini membahas tentang analisis dan perancangan awal sistem untuk mengidentifikasi bagian otak yang terkena stroke. IMPLEMENTASI Bab ini berisi tentang Implementasi secara coding berdasarkan analisis dan desain yang telah dibuat HASIL PENELITIAN DAN PEMBAHASAN Bab ini membahas pengujian perangkat lunak, hasil uji coba dan analisa kelebihan dan kekurangannya. Menerangkan penggunaan dan pengujian implementasi gangguan neurologis (stroke) dengan menggunakan metode adaptive neuro fuzzy inference system yang telah dibuat bersama hasil uji coba yang telah dilakukan dan analisanya KESIMPULAN Berisi kesimpulan dan saran terhadap pengembangan penelitian