BAB I PENDAHULUAN 1.1 Latar Belakang Malaria merupakan salah satu masalah kesehatan masyarakat yang dapat menyebabkan kematian terutama pada kelompok risiko tinggi yaitu bayi, anak balita, dan ibu hamil (Depkes, 2008). Lebih 90 negara dengan populasi penderita 40% dari penduduk dunia menderita malaria. Organisasi Kesehatan Dunia (WHO) dalam laporan yang dikeluarkan pada Desember 2013 mencatat bahwa masih terdapat 207 juta kasus malaria di tahun 2012 dengan perkiraan kasus kematian sebanyak 627 ribu yang didominasi oleh anak-anak (WHO, 2013). Demikian pula halnya dengan negara Indonesia, menurut Leihad (2011), sebanyak 424 dari 579 kabupaten/kota merupakan daerah endemik malaria. Perkiraan persentase penduduk yang berisiko tertular penyakit ini adalah sebesar 42,42 %. Menurut laporan UNICEF, malaria telah menyebabkan lebih dari 30.000 orang Indonesia meninggal dan antara 10 sampai 12 juta orang jatuh sakit setiap tahunnya (UNICEF, 2009). Wilayah terbesar yang masih mempunyai masalah dengan malaria adalah kawasan Timur Indonesia yang mencakup seluruh wilayah baik dari tingkat desa sampai tingkat Propinsi, yang tersebar dari Nusa Tenggara Timur ke Maluku sampai Papua. Malaria disebabkan oleh parasit Plasmodium yang ditularkan melalui gigitan nyamuk Anopheles betina. Parasit Plasmodium akan berkembang biak di organ hati kemudian menginfeksi sel darah merah. Ada 4 jenis plasmodium yang dapat menyebabkan penyakit malaria, yaitu (Arsin, 2012): 1) Plasmodium Falciparum yang menyebabkan malaria tropica dimana pasien dapat mengalami berbagai komplikasi berat seperti cerebral malaria (malaria otak), anemia berat, syok, gagal ginjal akut, perdarahan, sesak nafas, dan lain-lain; 2) Plasmodium Vivax yang menyebabkan malaria jenis tertiana dimana pasien malaria merasakan demam muncul setiap hari ketiga dan merupakan penyebab kira-kira 43% kasus penyakit malaria pada manusia; 3) Plasmodium Ovale yang menyebabkan malaria jenis malaria pernisiosa, namun malaria jenis ini jarang sekali dijumpai, 1
2 umumnya banyak di Afrika dan Pasifik Barat; 4) Plasmodium malariae yang menyebabkan malaria jenis malaria quartana, dimana pasien akan merasakan demam setiap hari keempat dan menyebabkan kira-kira 7% penyakit malaria didunia. Gambar 1.1 merupakan contoh citra parasit malaria. Gambar 1.1 Citra jenis parasit malaria (Ghaffar, 2004) Penyakit malaria mempunyai gejala awal antara lain adalah demam menggigil secara berkala dan biasanya disertai sakit kepala yang hebat, badan terasa lemah, mual-muntah dan tidak nafsu makan, kuning pada mata, air seni berwarna teh tua serta wajah pucat karena kurang darah. Apabila tidak mendapatkan pengobatan yang adekuat, dapat terjadi kejang-kejang dan kehilangan kesadaran. Diagnosis pada seseorang yang terjangkit malaria adalah berdasarkan gejalanya. Dugaan malaria semakin kuat jika dalam waktu 1 tahun sebelumnya pasien telah mengunjungi daerah endemik malaria. Untuk memperkuat diagnosis maka harus dilakukan pemeriksaan darah guna menemukan ada tidaknya parasit plasmodium pada sampel darah. Sampai saat ini pemeriksaan standar untuk diagnosis malaria aktif adalah dengan menggunakan alat mikroskopis. Pemeriksaan secara mikroskopis mempunyai kepekaan baik dan dapat mengidentifikasi jenis parasit dan pengaruhnya akan tetapi memerlukan tenaga ahli mikroskopik yang terlatih dan memakan waktu yang relatif panjang untuk mendapatkan hasil pemeriksaan (Tuti
3 & Worowijat, 2009; Tuti, 2010; Poespoprodjo, 2011). Namun, karena situasi serta kondisi sebagian besar laboratorium untuk daerah-daerah terpencil di Indonesia belum memadai maka hal ini berimbas pada reliabilitas hasil pemeriksaan yang masih rendah (koefisien kesepakatan Kappa < 0,61) (Tuti & Worowijat, 2009). Contohnya adalah dari hasil evaluasi program pemantapan mutu eksternal laboratorium kesehatan pada pemeriksaan mikroskopis malaria yang dilakukan oleh Balai Laboratorium Kesehatan Mataram, dari 19 laboratorium di NTB yang mengevaluasi menggunakan preparat positif malaria, hanya 79% peteknik laboratorium yang dapat membaca preparat dengan benar (Arum et.al., 2006). Oleh sebab itu, kepentingan untuk mendapatkan diagnosis yang cepat pada penderita yang diduga menderita malaria merupakan tantangan untuk mendapatkan uji/metode laboratorik yang tepat, cepat, sensitif dan mudah dilakukan (Arum et.al., 2006). Diagnosis yang tepat sangat diperlukan terkait dengan akurasi data untuk menentukan kebijakan program, menentukan pengobatan dan penatalaksanaan yang tepat dan benar, evaluasi pengobatan dan resistensi antimalaria (Pusarawati & Tantular, 2006). Agar analisis dapat dilakukan dengan mudah oleh tenaga paramedis nondokter, maka diperlukan sistem analisis dan interpretasi penyakit malaria berbasiskan komputer. Sistem pendeteksi parasit malaria berbasiskan komputer pada umumnya dibangun melalui beberapa tahap pemrosesan, yaitu: akuisisi citra, pra-pengolahan citra, segmentasi citra, ekstraksi ciri dan klasifikasi. Untuk itu perlu dilakukan digitalisasi sampel citra preparat darah pasien, yang selanjutnya data citra digital tersebut disiapkan untuk proses berikutnya yaitu proses pra pengolahan citra. Hasil proses ini, citra dalam bentuk data digital siap untuk dianalisis dan diinterpretasikan dengan bantuan komputer dengan menggunakan teknik pengolahan citra dan pengenalan pola. Proses-proses yang dilakukan tersebut diatas tentunya memerlukan suatu algoritme penyelesaian sehingga sistem yang dibangun memiliki tingkat kehandalan yang baik. Pada spesifikasi perangkat keras komputer yang sama, hal yang paling berpengaruh terhadap waktu proses adalah banyaknya perangkat lunak atau program yang aktif secara bersamaan pada saat pengujian. Oleh karena itu, kebenaran suatu algoritme harus
4 diuji dengan jumlah masukan tertentu untuk melihat kinerja algoritme. Evaluasi dapat berupa waktu yang diperlukan untuk menjalankan algoritme dan ruang memori yang diperlukan untuk struktur datanya (Liu, 1985; Sedgewick & Flajolet, 2013). Besaran yang dipakai untuk menerangkan model penilaian waktu/ruang algoritme adalah dengan menggunakan kompleksitas algoritme. Salah satu permasalahan penting dalam bidang pengolahan citra dan pengenalan pola adalah bagaimana mengekstraks dan menemukan ciri (feature) yang relevan dari citra agar objek dapat dikenali. Tujuan utama dari ekstraksi ciri adalah untuk memperoleh ciri-ciri yang terdapat pada objek di dalam citra untuk mengenali objek tersebut. Proses ini berkaitan dengan kuantisasi karakteristik citra ke dalam sekelompok nilai ciri yang sesuai. Ciri-ciri umum yang digunakan untuk mengenali satu atau beberapa objek di dalam citra adalah ukuran, posisi atau lokasi, dan orientasi atau sudut kemiringan objek terhadap garis acuan yang digunakan. Ciri hasil proses ekstraksi dapat bersifat relevan, tidak relevan dan redundan. Oleh karena itu, diperlukan proses menyeleksi dan mereduksi dimensi ciri menjadi sekumpulan bilangan yang lebih sedikit tetapi representatif (Guyon & Elisseeff, 2003). Pola citra antar parasit malaria berbeda, hal ini bergantung pada jenis parasitnya. Untuk membedakan pola satu dengan yang lain diperlukan suatu ciri untuk masing-masing pola. Penelitian terkait ciri yang digunakan untuk mendeteksi dan menganalisis parasit malaria antara lain adalah ciri histogram (Premaratne et.al., 2006; J. Somsekar, 2011; Makkapati & Rao, 2011; Mandal et.al., 2010) dan ciri morfologi (Anggraini et.al., 2011; Edison et.al., 2011; Savkare & Narote, 2011; Soni, 2011). Ciri histogram yang digunakan oleh para peneliti tersebut diekstraks dari citra plasmodium falciparum pada aras keabuan. Sedangkan untuk ciri morfologi, proses segmentasi objek parasit malaria pada citra terlebih dahulu dilakukan guna memperoleh ciri yang dimaksud. Selain pencarian ciri khas dari jenis-jenis parasit malaria, metode klasifikasi juga turut berpengaruh pada hasil pendeteksian. Keberhasilan pendeteksi parasit malaria dapat ditingkatkan dengan menggunakan strategi mesin pembelajaran (machine learning) (Khan et.al., 2011). Premaratne et.al
5 (2006) dan J. Somsekar (2011) menggunakan jaringan syaraf tiruan propagasi balik untuk mengklasifikasi plasmodium falciparum. Adapun sistem pengklasifikasi lain yang dipakai untuk mengklasifikasi dan mendeteksi parasit malaria adalah jaringan syaraf tiruan multilayer perceptron (MLP) (Díaz et.al., 2009), support vector machine (SVM) (Soni, 2011), k-nn (Khan et.al., 2011), dan piksel Bayesian (Le et.al., 2008). Hasil penelitian yang telah diperoleh dari peneliti-peneliti sebelumnya menunjukkan bahwa sensivitas dari sistem pendeteksi sangat beragam tergantung pada jenis ciri dan metode pengklasifikasi yang dipakai untuk mendeteksi parasit. Díaz et.al (2009) melaporkan sensitivitas yang diperoleh dalam mendeteksi parasit malaria sebesar 94%, lebih besar dari Khan et.al (2011) yang memperoleh sensivity sebesar 85,5%, Makkapati & Rao (2011) sebesar 83%,Tek et.al (2009) sebesar 74%, Wahab et.al (2008) sebesar 92%, dan Ross et.al (2006) sebesar 85%. Oleh karena itu, upaya untuk meningkatkan hasil analisis dan interpretasi citra preparat darah pasien pengidap parasit malaria terus dilakukan. Salah satu upaya tersebut adalah memperoleh ciri dan pola-pola dari citra parasit malaria. Berdasarkan ciri dan pola ciri tersebut diharapkan akan meningkatkan sensitivitas dari sistem identifikasi jenis parasit malaria. 1.2 Perumusan Masalah Ekstraksi ciri merupakan proses penting dalam pengenalan pola/objek. ekstraksi ciri bertujuan untuk memperoleh ciri-ciri yang terdapat pada objek di dalam citra untuk mengenali objek tersebut. Proses ini berkaitan dengan kuantisasi karakteristik citra ke dalam sekelompok nilai ciri yang sesuai. Ciri yang baik adalah yang bersifat relevan dan tidak redundan. Korelasi kuat dari piksel-piksel pada suatu citra pada dasarnya menggambarkan bahwa piksel yang dekat dengan piksel tetangganya mempunyai data ciri yang sama. Oleh karena itu, relasi antar piksel tetangga merupakan karakteristik penting yang dapat digunakan sebagai ciri khas suatu objek citra termasuk citra parasit malaria. Ciri yang banyak digunakan untuk mengenali parasit
6 malaria pada citra biasanya berasal dari citra yang telah berubah dari citra berwarna ke citra beraras keabuan. Namun, citra berwarna tidak banyak dimanfaatkan untuk mendapatkan ciri yang khas dari objek parasit malaria. Selain pencarian ciri khas dari jenis-jenis parasit malaria, metode klasifikasi juga turut berpengaruh pada hasil pendeteksian. Keberhasilan pendeteksi parasit malaria dapat ditingkatkan dengan menggunakan strategi mesin pembelajaran sehingga diharapkan mampu memberikan analisis dan interpretasi yang lebih baik serta mampu memperbaiki sensitivitas hasil klasifikasi. 1.3 Keaslian Penelitian Penelitian mengenai sistem untuk mendeteksi, mengklasifikasi dan menganalisis parasit malaria telah dilakukan oleh beberapa peneliti. Berbagai metode pengolahan citra untuk mendapatkan ciri yang dikombinasikan dengan teknik klasifikasi tertentu banyak diterapkan dalam upaya mendapatkan akurasi yang baik agar dapat digunakan dalam membantu penegakan diagnosis. Premaratne et.al (2006) membangun suatu perangkat-lunak untuk menganalisis parasit plasmodium falciparum. Pada sistem yang dibangunnya, citra yang diduga mengandung parasit plasmodium falciparum diubah ke dalam citra beraras keabuan. Sebelum ditentukan ciri tekstur yang akan digunakan dalam mendeteksi parasit plasmodium falciparum menggunakan pengklasifikasi jaringan syaraf tiruan tipe propagasi balik, citra terlebih dahulu ditapis menggunakan tapis median guna menghilangkan derau yang terjadi pada saat akuisisi citra. Selain menggunakan ciri tekstur, ciri warna dan geometri pun dapat dijadikan ciri masukan pada sistem klasifikasi jaringan syaraf tiruan tipe propagasi balik (Khan et.al., 2011). Penerapan metode yang sama juga dilakukan oleh (Edison et.al., 2011), namun obyek yang digunakan adalah parasit plasmodium vivax. Sedangkan Ma et.al (2010) menggunakan alihragam Hough untuk mendeteksi tepi sel dan infeksiparasit yang ada dalam darah namun tetap menggunakan tapis median untuk menekan objek palsu pada citra. Penggunaan tapis juga dilakukan oleh Díaz et.al (2009) guna mengoreksi beda pencahayaan pada citra yang dihasilkan. Tapis yang digunakan adalah tapis
7 lolos rendah. Normalisasi warna dilakukan untuk mengelompokkan piksel eritrosit atau latar belakang dari objek yang diteliti yaitu parasit plasmodium falciparum. Normalisasi warna juga dilakukan oleh Mandal et.al (2010). Metode yang sama juga dilakukan oleh Savkare dan Narote (2011), namun pada sistem yang dibangunnya menambahkan operasi Laplacian pada tapis median sedangkan pendeteksi tepi yang digunakan adalah pendeteksi tepi dengan operator Prewitt. Sedangkan ciri matematis morfologi digunakan sebagai input pada metode klasifikasi SVM. Sistem klasifikasi lain yang digunakan untuk mendeteksi malaria adalah sistem klasifikasi Bayesian. Tek et.al (2010) membangun sistem yang sama untuk mendiagnosa malaria dengan ciri yang digunakannya adalah ciri histogram. Metode segmentasi citra dapat digunakan sebagai metode pendeteksi parasit malaria (J. Somsekar, 2011). Metode segmentasi citra yang telah digunakan untuk mendeteksi parasit plasmodium falciparum adalah metode segmentasi Normalized cut (Mandal et.al., 2010), metode segmentasi Otsu (Anggraini et.al., 2011). Berbeda dengan peneliti lainnya, Makkapati & Rao (2011) menggunakan metode segmentasi warna dimana citra warna yang dihasilkan diubah ke ruang warna HSV dengan menghitung ambang kejenuhan optimal dari objek yang mengandung warna yang sama. Sedangkan Le et.al (2008) melakukan perbandingan hasil pembacaan manual dan otomatis dari metode segmentasi yang dilakukannya. Analisis citra plasmodium falciparum dapat juga dilakukan dengan menggunakan pendekatan analisis matematika morfologi. Sio et.al (2007) menggunakan pendeteksi tepi dan pemisah rumpun piksel pada citra untuk menghitung jumlah parasit plasmodium falciparum. Sensivitas dari sistem pendeteksi sangat beragam tergantung pada jenis ciri dan metode pengklasifikasi yang dipakai untuk mendeteksi parasit. Last (2001) mendefinisikan sensitivitas sebagai probabilitas alat ukur/uji untuk mendiagnosis suatu subjek sebagai positif dengan benar. Hasil uji dengan sensitivitas tinggi bermanfaat untuk menyingkirkan kemungkinan suatu penyebab penyakit. Sensitivitas terbaik dari pendeteksi parasit malaria yang dilaporkan oleh Díaz
8 et.al (2009) sebesar 94%, lebih besar dari Khan et.al (2011) yang memperoleh sensivitas sebesar 85,5%, Makkapati & Rao (2011) sebesar 83%,Tek et.al (2009) sebesar 74%, Wahab et.al (2008) sebesar 92%, dan Ross et.al (2006) sebesar 85%. Maka dalam penelitian ini yang dilakukan adalah mencari ciri-ciri yang dapat mewakili jenis parasit malaria. Ciri khas dari masing-masing jenis parasit malaria berasal dari ruang warna RGB dimana vektor ciri yang diekstrak dari ruang warna ini merupakan ciri orde-1, orde-2 dan kombinasi dari keduanya yang dibandingkan dengan vektor ciri dari ruang warna HSV, YIQ dan YCrCb. Adapun keaslian penelitian ini adalah. 1) Citra yang digunakan adalah citra pada ruang warna RGB. Penggunaan ruang warna RGB didasari hasil penelitian Benco & Hudec (2007) yang mengungkapkan bahwa vektor ciri yang diekstrak dengan menggunakan metode gray level coocurance matric (GLCM) dari masing-masing kanal ruang warna RGB mempunyai tingkat akurasi yang lebih tinggi dibandingkan dengan menggunakan ruang warna HSV dan abu-abu. Dari masing-masing kanal pada ruang warna RGB tersebut kemudian diperoleh ciri yang diekstraks menggunakan ciri tekstur statistik orde-1 dan orde-2. Ciri orde-1 dan orde-2 yang diperoleh untuk citra berwarna memiliki kemampuan untuk mengenali objek yang diklasifikasi, namun kombinasi dari vektor ciri orde-1 dan orde-2 ternyata dapat meningkatkan tingkat akurasi pengenalan (Xi Liu et al., 2009). Ini yang berbeda dengan beberapa peneliti terdahulu yang menggunakan ciri histogram dan tekstur pada citra aras keabuan (Premaratne et.al., 2006; J. Somsekar, 2011; Makkapati & Rao, 2011; Mandal et.al., 2010) dan ciri morfologi (Anggraini et.al., 2011; Edison et.al., 2011; Savkare & Narote, 2011; Soni, 2011) serta berbeda dengan penelitian yang dilakukan Makkapati dan Rao (2011) yang menggunakan citra warna HSV. Ruang warna HSV banyak digunakan untuk klasifikasi citra dengan metode klasifikasi terbimbing back propagation, namun untuk objek plasmodium ternyata sensitivitas pengenalannya sebesar 83%, sedangkan untuk citra dengan aras
9 keabuan memiliki sensitivitas 94%. Dengan menggunakan ciri yang berasal dari ruang warna tersebut diharapkan dapat meningkatkan sensitivitas identifikasi. 2) Penelitian ini menggunakan metode estimasi kuadrat terkecil (least square estimation (LSE)) sebagai metode pemilih ciri, dimana pada penelitian sebelumnya tidak ditemukan langkah untuk menyeleksi ciri yang akan digunakan pada metode klasifikasinya. Seleksi ciri berbasis LSE digunakan karena metode ini mempunyai efisiensi kompleksitas waktu komputasi yang signifikan yaitu sebesar O(N) (Mao, 2005) dengan hasil klasifikasi yang sama dibanding dengan metode branch and bound, best first search, beam search, dan random forest yang memiliki kompleksitas waktu komputasi sebesar O(2 N ) maupun menggunakan metode relief dan DTM yang memiliki kompleksitas waktu komputasi O(N 2 ) (Dash & Liu, 1997). 3) Untuk metode klasifikasi, penelitian ini menggunakan metode learning vector quantization (LVQ) dengan pembanding fuzzy learning vector quantization (FLVQ) dan metode cross entropi (CE). Penggunaan metode klasifikasi LVQ dikarenakan metode ini memiliki kelebihan antara lain: mudah diterapkan untuk masalah klasifikasi multi-kelas, kompleksitas algoritma dapat disesuaikan selama pelatihan sesuai kebutuhan (Witoelar et al., 2007), sederhana dan cepat (Nova & Estévez, 2013). Sebagai metode pembanding, FLVQ yang merupakan pengembangan dari algoritme LVQ memanfaatkan teori fuzzy (Karayiannis & Pai, 1999; Pedrycz, 1992). Pemanfaatan teori fuzzy pada pembentukan vektor masukan bertujuan agar distribusi frekuensi data masukan dapat direpresentasikan sehingga diharapkan dapat memperbaiki akurasi pada metode LVQ pada penelitian ini. Penggunaan metode CE sebagai metode baru (Santosa & Willy, 2011) dalam klasifikasi berbeda dengan algoritme lain dari jenis ini, seperti algoritme genetika. Metode CE alami sesuai dengan masalah klasifikasi dan mudah digunakan. Metode CE sesuai untuk solusi optimal dalam batas sampel yang besar (Mannor et al., 2005). Dengan memanfaatkan penerapan algoritme adaptive pada kejadian stokastik yang kompleks (Rubinstein & Kroese,
10 2004), metode CE dicoba diterapkan untuk klasifikasi parasit malaria pada penelitian ini. Dari pemaparan diatas, penggunaan ruang warna RGB dan metode seleksi ciri guna memperoleh ciri yang dapat merepresentasikan pola dari masing-masing jenis parasit malaria diharapkan mampu meningkatkan sensitivitas hasil identifikasi. Hasil uji dengan sensitivitas tinggi bermanfaat untuk menyingkirkan kemungkinan suatu penyebab penyakit lainnya. Dengan demikian kontribusi dari penelitian ini adalah melakukan perbaikan dan meningkatkan sensitivitas hasil identifikasi yang dapat mengenali 4 jenis plasmodium dari parasit malaria dengan memanfaatkan ciri yang berasal dari ruang warna RGB dan waktu komputasi identifikasi yang cepat. 1.4 Tujuan penelitian Tujuan penelitian untuk disertasi yang akan dilakukan ini sebagai berikut. 1) Melakukan ekstraksi dan menganalisis ciri statistik orde pertama dan kedua berdasar ruang warna citra RGB untuk mendapatkan ciri yang dapat mewakili klas-klas dari parasit malaria. 2) Melakukan identifikasi citra parasit malaria dengan metode klasifikasi yang diharapkan dapat meningkatkan sensitivitas dari hasil identifikasi. 3) Menganalisis unjuk kerja dari purwarupa pendeteksi malaria dari segi waktu komputasi yang dibutuhkan untuk melakukan identifikasi. 1.5 Manfaat Penelitian yang Diharapkan Manfaat yang didapat dari penelitian yang akan dilakukan ini adalah: 1) Bagi ilmu pengetahuan memberikan sumbangan pemikiran dan pustaka mengenai implementasi teknik pengolahan citra pada bidang medis kepada peneliti-peneliti selanjutnya, khususnya untuk mengidentifikasi parasit malaria. 2) Bagi pelayanan kesehatan, pengembangan purwarupa dari metode yang telah diteliti dapat menambah keakuratan dan kecepatan dalam menganalisis dari para petugas analis dan surveyor penyakit malaria di daerah endemik malaria terutama di wilayah Indonesia bagian Timur dengan sarana laboratorium yang terbatas.