1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Diabetic retinopathy merupakan komplikasi mikrovaskular penyakit diabetes melitus yang menyerang pembuluh darah di retina yang menyebabkan penurunan fungsi penglihatan hingga kebutaan (Khan et al., 2011). Penyakit ini biasanya menyerang seseorang yang telah menderita diabetes melitus tipe 1 atau tipe 2 selama lebih dari 15 tahun. Diabetic retinopathy ditandai dengan munculnya titik-titik pada pembuluh darah retina (mikroaneurisma), pendarahan akibat pecahnya pembuluh darah, dan munculnya bercak kekuningan berupa lipid (eksudat) pada retina. Pada kasus yang lebih berat, terjadi pembentukan pembuluh darah baru yang abnormal (sangat tipis dan mudah pecah) pada retina yang disebut neovaskularisasi. Salah satu cara yang digunakan dalam identifikasi diabetic retinopathy adalah pemeriksaan pada citra retina yang didapat dari kamera fundus. Akan tetapi, pemeriksaan pada citra retina masih dilakukan secara manual oleh dokter mata (Putra et al., 2010). Pemeriksaan manual membutuhkan waktu yang lama dan keberadaan mikroaneurisma, pendarahan, eksudat, dan neovaskularisasi sulit untuk dilihat secara langsung, sehingga memungkinkan terjadinya kesalahan identifikasi yang berakibat pada kesalahan penanganan pada penderita diabetic retinopathy. Penelitian yang memanfaatkan citra retina dalam mengidentifikasi diabetic retinopathy sudah dilakukan dengan membandingkan antara metode Support Vector Machine dengan k-nearest Neighbor sebagai classifier (Setiawan, 2012). Penelitian selanjutnya menggunakan Radial Basis Function untuk mengidentifikasi diabetic retinopathy. Pada penelitian ini, citra retina mengalami proses segmentasi terlebih dahulu untuk mengetahui keberadaan eksudat dan mikroaneurisma (Vajayamadheswaran et al., 2011). Identifikasi diabetic retinopathy juga pernah
2 dilakukan dengan menggunakan 3D-GLCM Projection dan jaringan saraf tiruan (Dillak et al., 2013). Pada penelitian kali ini, penulis mengajukan metode Modified k-nearest Neighbour (MkNN). MkNN merupakan pengembangan dari metode k-nearest Neighbour (knn). MkNN memberi label kelas pada data pengujian berdasarkan k data pelatihan yang tervalidasi dan bobot dari masing-masing data pelatihan tersebut, bukan hanya berdasarkan jarak terdekat seperti yang dilakukan pada knn. MkNN memberikan kesempatan yang lebih besar bagi data pelatihan yang memiliki validitas yang tinggi, sehingga klasifikasi tidak terlalu terpengaruh pada data yang kurang stabil atau memiliki validitas yang rendah. Validasi dan bobot yang dimiliki oleh MkNN mampu mengatasi kelemahan dari klasifikasi berdasarkan jarak terdekat (Parvin, 2008). Terdapat dua tahap dalam MkNN. Tahap yang pertama adalah menghitung validitas dari masing-masing data pelatihan. Tahap selanjutnya adalah menghitung bobot pada k data pelatihan yang terdekat dengan data pengujian. MkNN telah digunakan untuk mendeteksi ancaman pada Collaborative Information System (Singh et al., 2014) dan pencarian citra pada Content Based Image Retrieval System (Dharani et al., 2013). Berdasarkan latar belakang diatas, maka penulis mengajukan proposal penelitian dengan judul IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR. 1.2. Rumusan Masalah Diabetic retinopathy merupakan komplikasi mikrovaskular penyakit diabetes melitus yang menyerang pembuluh darah di retina. Adapun identifikasi diabetic retinopathy masih dilakukan secara manual oleh dokter mata melalui citra retina. Pemeriksaan manual memerlukan waktu yang lama, selain itu keberadaan mikroaneurisma, pendarahan, eksudat, dan neovaskularisasi sulit untuk dilihat secara langsung. Oleh karena itu diperlukan suatu metode yang dapat mempermudah dokter mata dalam mengidentifikasi diabetic retinopathy melalui citra retina.
3 1.3. Tujuan Penelitian Tujuan dari penelitian ini adalah untuk mengindentifikasi diabetic retinopathy melalui citra retina menggunakan Modified k-nearest Neighbor. 1.4. Batasan Masalah Untuk menghindari penyimpangan dan perluasan yang tidak diperlukan, penulis membuat batasan: 1. Ekstensi dari citra retina yang digunakan adalah.tif. 2. Resolusi citra retina lebih besar atau sama dengan 1440 957. 3. Retina pada citra harus berbentuk lingkaran. 1.5. Manfaat Penelitian Manfaat yang diperoleh dari penelitian ini adalah: 1. Membantu identifikasi diabetic retinopathy melalui citra retina. 2. Memberi masukan untuk penelitian lain pada bidang image processing. 1.6. Metodologi Penelitian Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai berikut: a. Studi Literatur Pada tahap ini dilakukan pengumpulan bahan referensi mengenai diabetic retinopathy, image processing, dan Modified k-nearest Neighbor dari berbagai buku, jurnal, artikel, dan beberapa sumber referensi lainnya.
4 b. Analisis Pada tahap ini dilakukan analisis terhadap studi literatur untuk mendapatkan pemahaman mengenai metode yang akan digunakan, yaitu Modified k-nearest Neighbor untuk menyelesaikan masalah identifikasi diabetic retinopathy melalui citra retina. c. Perancangan Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, pelatihan, dan perancangan antarmuka. Proses perancangan dilakukan berdasarkan hasil analisis studi literatur yang telah didapatkan. d. Implementasi Pada tahap ini dilakukan implementasi dari analisis dan perancangan yang telah dilakukan ke dalam kode program. e. Pengujian Pada tahap ini dilakukan pengujian terhadap identifikasi diabetic retinopathy untuk memastikan hasil identifikasi sesuai dengan apa yang diharapkan. f. Dokumentasi dan Penyusunan Laporan Pada tahap ini dilakukan dokumentasi dan penyusunan laporan hasil analisis dan implementasi Modified k-nearest Neighbor dalam identifikasi diabetic retinopathy melalui citra retina. 1.7. Sistematika Penulisan Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama sebagai berikut. Bab 1: Pendahuluan Bab ini berisi latar belakang dari penelitian yang dilaksanakan, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian, metodologi penelitian, serta sistematika penulisan. Bab 2: Landasan Teori Bab ini berisi teori-teori yang diperlukan untuk memahami permasalahan yang dibahas pada penelitian ini. Teori-teori yang berhubungan dengan diabetic
5 retinopathy, citra, image processing, ekstraksi fitur, dan Modified k-nearest Neighbor akan dibahas pada bab ini. Bab 3: Analisis dan Perancangan Bab ini menjabarkan arsitektur umum, pre-processing yang dilakukan, feature extraction, serta analisis dan penerapan metode Modified k-nearest Neighbor dalam identifikasi diabetic retinopathy melalui citra retina. Bab 4: Implementasi dan Pengujian Bab ini berisi pembahasan tentang implementasi dari perancangan yang telah dijabarkan pada bab 3. Selain itu, hasil yang didapatkan dari pengujian yang dilakukan terhadap implementasi yang dilakukan juga dijabarkan pada Bab ini. Bab 5: Kesimpulan dan Saran Bab ini berisi ringkasan serta kesimpulan dari rancangan yang telah dibahas pada bab 3, serta hasil penelitian yang dijabarkan pada bab 4. Bagian akhir dari bab ini memuat saran-saran yang diajukan untuk pengembangan penelitian selanjutnya.