IDENTIFIKASI TINGKAT KESERIUSAN KANKER SERVIKS

IDENTIFIKASI TINGKAT KESERIUSAN KANKER SERVIKS BERDASARKAN
AREA METASTASIS MENGGUNAKAN RUANG WARNA L*a*b*
Nurlinda Dewi Kusumah - 51407001
([email protected])
ABSTRAK
Pengolahan citra dapat diaplikasikan di berbagai bidang termasuk bidang kedokteran.
Pada bidang kedokteran, pengolahan citra digunakan sebagai alat bantu dalam diagnosis suatu
penyakit ataupun ganggguan tubuh manusia. Di dunia, kanker serviks adalah kanker pembunuh
wanita nomor dua terbanyak setelah kanker payudara. Upaya untuk mendeteksi keberadaan
penyakit kanker serviks salah satunya menggunakan kolposkop. Melalui kolposkop, dihasilkan
citra yang dapat mengidentifikasi kanker serviks. Penelitian ini terbagi atas dua tahap identifikasi
yaitu tahap identifikasi warna dan tahap identifikasi area metastasis. Proses identifikasi bertujuan
untuk mengidentifikasi area metastasis dan tingkat keseriusan kanker serviks berdasarkan
metode ruang warna L*a*b*. Penelitian ini diharapkan dapat menjadi alternatif solusi untuk
mengidentifikasi kanker serviks selain menggunakan bantuan tenaga medis.
Kata Kunci : Kanker Serviks, Metastasis, Ruang Warna L*a*b*
PENDAHULUAN
Pengolahan citra dapat diaplikasikan di berbagai bidang termasuk bidang kedokteran.
Pada bidang kedokteran, pengolahan citra digunakan sebagai alat bantu dalam diagnosis suatu
penyakit ataupun gangguan tubuh manusia. Hal itu disebabkan oleh adanya kelainan anatomi
pada tubuh manusia yang ditemukan pada citra hasil rontgen, mamografi, Medical Resonance
Image (MRI) atau Ultrasonografi (USG).
Di Indonesia, diperkirakan insiden kanker serviks adalah sekitar 100 per 100.000
penduduk. Data patologi dari 12 pusat patologi di Indonesia pada Tahun 1997 menunjukkan
bahwa kanker serviks mencapai 26,4% dari 10 jenis kanker terbanyak pada perempuan. Di
Rumah Sakit Dr. Cipto Mangunkusumo, Jakarta, pada Tahun 1998 terdapat sekitar 39,5%
penderita adalah positif kanker serviks (Anonim, 2008). Berdasarkan data Sistem Informasi
Rumah Sakit (SIRS) pada Tahun 2007, kanker serviks menempati posisi kedua tertinggi dengan
angka insiden sebesar 11,8%.
Upaya untuk mendeteksi keberadaan penyakit kanker serviks dilakukan dengan metode
kolposkopi, servikografi maupun deteksi dini prakanker. Pada metode kolposkopi dihasilkan
keluaran berupa citra digital. Selanjutnya dokter ahli melakukan analisa keberadaan penyakit
berdasarkan penyebaran sel kanker dan karakteristik dari penyakit kanker serviks secara visual.
Citra yang dihasilkan pada proses kolposkopi dapat digunakan dalam proses pengolahan
citra. Pengolahan citra yang dilakukan dapat menjadi suatu alternatif dalam proses identifikasi
penyakit kanker serviks yang umumnya dilakukan secara visual oleh dokter ahli.
Pada proses pengolahan citra, pengidentifikasian kanker serviks didasarkan oleh
parameter warna. Penelitian yang dilakukan oleh Raad, dkk pada Tahun 2006 menyebutkan
“bagian putih yang timbul dari pemeriksaan visual dan pengaplikasian asam asetat 5% pada
serviks menimbulkan warna putih temporer yang merupakan indikator penting pada identifikasi
kanker serviks”. Area sel kanker pada serviks ditandai dengan berubahnya warna menjadi putih
yang umumnya disebut metastasis dalam dunia kedokteran.
Perubahan warna putih yang timbul sebagai akibat dari reaksi antara asam asetat dengan
sel kanker digunakan untuk proses pengidentifikasian area dari kanker serviks. Maka pada
penelitian ini dilakukan pengolahan citra dengan menggunakan parameter warna untuk
mengidentifikasi area metastasis pada serviks.
LANDASAN TEORI
Citra
Citra merupakan kumpulan piksel-piksel yang berisi informasi yang tersusun dalam
bidang dua dimensi. Secara matematis, citra merupakan fungsi kontinu dari intensitas cahaya
f(x,y) (Gonzales, 2002), dimana x dan y adalah koordinat spasial dari elemen citra (piksel).
Dalam perwujudannya, citra dibagi menjadi dua yaitu citra diam (still images) dan citra
bergerak (moving images). Citra diam adalah citra tunggal yang tidak bergerak. Sedangkan citra
bergerak adalah rangkaian citra diam yang ditampilkan secara sekuensial sehingga memberi
kesan pada mata kita sebagai gambar yang bergerak (Wijaya, 2007).
Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa poto,
bersifat analog berupa sinyal video seperti gambar pada monitor televisi, atau bersifat digital
yang dapat langsung disimpan pada suatu pita magnetik. Citra yang bersifat analog disebut
dengan citra yang kontinu. Sedangkan citra yang bersifat digital disebut dengan citra diskrit
(Munir, 2004).
Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata
manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitasi terhadap citra
kontinu, misalnya kamera digital dan pemindai (Munir,2004). Berbeda dengan citra diskrit, pada
citra kontinu tidak bisa diolah menjadi citra lain dengan karakteristik yang berbeda. Berdasarkan
hal ini, dilakukan perubahan citra kontinu menjadi citra diskrit melalui proses digitasi.
Segmentasi citra (Image segmentation)
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan
suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. Salah satu cara
yang sering digunakan dalam memilah citra dalam data adalah segmentasi, yaitu membagi citra
menjadi bagian yang diharapkan termasuk objek yang dianalisis. Segmentasi sering
dideskripsikan sebagai proses analogi terhadap proses pemisahan latar depan dan latar belakang.
Secara tradisional, segmentasi dikatakan sebagai proses pendefinisian jangkauan nilai gelap dan
terang pada citra yang sebenarnya, memilih piksel dalam jangkauan ini sebagai latar depan dan
menolak sisanya sebagai latar belakang. Dengan demikian, citra terbagi atas dua bagian, yaitu
bagian hitam dan bagian putih, atau warna yang membatasi setiap wilayah. Salah satu metode
yang efektif dalam segmentasi citra biner adalah dengan memeriksa hubungan piksel dengan
tetangganya dan memberinya label. Metode ini disebut pelabelan komponen.
Ruang Warna L*a*b*
Warna merupakan cara dari Human Visual System (HVS) untuk mengukur bagian dari
spektrum gelombang yang berada pada jangkauan 300-830 nm. Karena sifat tertentu dari HVS,
manusia tidak mampu melihat semua kemungkinan kombinasi spektrum terlihat. Akan tetapi,
manusia cenderung mengategorikan spektrum sebagai kelompok warna yang disebut dengan
ruang warna (color space).
Salah satu ruang warna adalah ruang warna L*a*b* atau yang lebih dikenal dengan
CIELAB. Ruang warna L*a*b* adalah ruang warna yang paling lengkap yang ditetapkan oleh
komisi internasional tentang iluminasi warna yaitu French Commision Internationale del
'éclairage, yang dikenal sebagai CIE. Ruang warna ini mampu menggambarkan semua warna
yang dapat dilihat dengan mata manusia dan seringkali digunakan sebagai referensi ruang warna
(Octa Heriana, 2010).
Tiga parameter dalam model mewakili pencahayaan dari warna ( L*, L* = 0
menghasilkan hitam dan L* = 100 menunjukkan putih), posisi antara magenta dan hijau (a*, nilai
negatif mengindikasikan hijau, sementara nilai positif mengindikasikan magenta) dan posisi
antara kuning dan biru (b*, nilai negatif mengindikasikan biru, sementara nilai positif
mengindikasikan kuning).
Kanker Serviks
Leher rahim atau serviks adalah bagian dari sistem organ reproduksi wanita. Organ
serviks dapat terjangkit penyakit kanker serviks (cervical cancer) yang dimulai dalam sel pada
permukaan serviks. Seiring waktu, kanker serviks dapat menyerang lebih dalam ke dalam serviks
dan jaringan di dekatnya. Sel-sel kanker dapat menyebar dengan melepaskan diri dari tumor
(primer) asli. Sel-sel kanker dapat memasuki pembuluh darah atau pembuluh getah bening, yang
bercabang ke seluruh jaringan tubuh. Sel-sel kanker dapat menempel pada jaringan lain dan
tumbuh untuk membentuk tumor baru yang dapat merusak jaringan tersebut.
Awal kanker serviks biasanya tidak menimbulkan gejala. Ketika kanker tumbuh lebih
besar, perempuan mungkin melihat satu atau lebih gejala-gejala: pendarahan vagina yang
abnormal (meliputi pendarahan yang terjadi antara periode menstruasi teratur, pendarahan
setelah hubungan seksual, periode menstruasi yang lebih lama dari pada sebelumnya), disfungsi
vagina (meliputi sakit panggul dan nyeri saat berhubungan seksual).
Metode Inspeksi Visual dengan Asam Asetat (IVA)
Pemeriksaan IVA pertama kali diperkenalkan oleh Hinselman pada Tahun 1925 dengan
cara memulas serviks dengan kapas yang telah dicelupkan dalam asam asetat 3-5%. Pemberian
asam asetat itu akan mempengaruhi epitel abnormal, bahkan juga akan meningkatkan
penyerapan dari cairan ekstraseluler. Cairan ekstraseluler yang bersifat hipertonik dimana cairan
ini mengandung zat terlarut dalam konsentrasi yang lebih banyak dari larutan yang dapat
menyebabkan tertariknya cairan dari intraseluler sehingga membran akan terganggu dan jarak
antar sel akan semakin dekat. Sebagai akibatnya, jika permukaan epitel mendapat sinar, sinar
tersebut tidak akan diteruskan ke jaringan penghantar atau stroma, tetapi dipantulkan keluar
sehingga permukaan epitel abnormal akan berwarna putih, disebut juga epitel putih atau
acetowhite (Anonim, 2008).
Jika makin putih dan makin jelas, main tinggi derajat kelainan jaringannya. Dibutuhkan
1-2 menit untuk dapat melihat perubahan-perubahan pada epitel. Permukaan serviks yang diberi
5% larutan asam asetat akan merespon lebih cepat dari pada 3% larutan, hal itu disebabkan
karena konsentrasi dari larutan asam asetat 5% lebih tinggi dari larutan asam asetat 3%. Efek
akan menghilang sekitar 50-60 detik sehingga dengan pemberian asam asetat akan didapatkan
hasil gambaran serviks yang normal (merah homogen) dan bercak putih (mencurigakan
displasia).
Prinsip metode IVA adalah melihat perubahan warna menjadi putih (acetowhite) pada
lesi prakanker jaringan ektoserviks rahim yang diolesi larutan asam asetat. Bila ditemukan bagian
sel yang dicurigai kanker, pengolesan asam asetat tidak dilakukan namun segera dirujuk ke
sarana yang lebih lengkap. Perempuan yang sudah menopause tidak direkomendasikan menjalani
skrining dengan metode IVA karena zona transisional serviks pada kelompok ini biasanya 38
berada pada endoserviks rahim dalam kanalis servikalis sehingga tidak bisa dilihat dengan
inspeksi spekulum.
Metastasis Kanker Serviks
Metastasis didefinisikan sebagai pembentukan tumor sekunder semakin tumbuh fokus di
situs terputus dari lesi primer (Lelekakis et al, 1999). Proses metastasis pada kanker serviks
digambarkan oleh Gambar 2.13. Pembentukan tumor primer membutuhkan kadar molekul dan
perubahan seluler yang memungkinkan sel untuk menghindari kontrol pertumbuhan normal
mekanisme serta untuk memanipulasi lingkungan lokal (Welch, 2002). Perubahan ini termasuk
pengembangan suplai darah sekali fokus sel berubah tumbuh melampaui ukuran yang dapat
dipelihara dengan difusi hara atau metabolit.
Perkembangan tumor dan metastasis akuisisi kompetensi membutuhkan tambahan
perubahan dalam ekspresi gen (protein enzim misalnya merendahkan, adhesi molekul) yang
berujung pada fenotipe ganas. Setelah invasi ke jaringan yang berdekatan, sel-sel tumor melalui
pembuluh darah menyebarkan darah atau limfatik dan perjalanan individual atau sebagai emboli
terdiri dari sel-sel tumor atau sel-sel tumor dan host. Pada sel situs sekunder, atau penangkapan
emboli baik karena ukuran fisiknya atau dengan mengikat molekul tertentu di organ tertentu atau
jaringan.
Agar sel disebarluaskan untuk tumbuh menjadi metastasis dan menyebar ke bagian baru
dari tubuh, sel kanker tersebut harus melalui beberapa perubahan. Sel kanker harus mampu
melepaskan diri dari tumor asli dan memasuki aliran darah atau sistem getah bening, yang dapat
membawanya ke bagian lain dari tubuh. Pada titik tertentu sel kanker perlu menempel ke dinding
pembuluh darah atau getah bening dan bergerak melalui itu menjadi organ yang baru. Kemudian
sel kanker perlu untuk dapat tumbuh dan berkembang di lokasi baru. Selain itu itu, sel kanker
harus mampu menghindari serangan dari sistem kekebalan tubuh. Sel kanker akan melalui semua
langkah ini. Maka dari itu, sel-sel yang menjadi tumor baru mungkin tidak lagi persis sama
dengan yang tumor pada saat mulai masuk ke dalam organ serta dapat membuat pengobatan
lebih sulit.
Gambar 1. Alur Proses Metastasis
METODE PENELITIAN
Metode Identifikasi Kanker Serviks
Identifikasi kanker serviks terdiri dari dua tahap kerja yaitu, tahap identifikasi warna dan
tahap identifikasi area metastasis. Kedua tahap tersebut memiliki fungsi masing-masing dalam
proses identifikasi dan merupakan suatu urutan yang telah ditentukan. Untuk melakukan proses
pada tahap identifikasi area metastasis harus melalui proses pada tahap identifikasi warna
terlebih dahulu. Tahap-tahap dalam identifikasi kanker serviks diperlihatkan pada Gambar 2.
Tahap
Identifikasi
Warna
Data Citra
Tahap
Identifikasi Area
Metastasis
Tingkat
Keseriusan
Kanker Serviks
Gambar 2. Tahap Identifikasi Kanker Serviks
Tahap Identifikasi warna dan tahap identifikasi area metastasis terdiri dari tahapan kerja
yang dilakukan secara berurutan. Penjelasan lebih lanjut dijabarkan pada subbab berikut ini.
Tahap Identifikasi Warna
Pada citra yang telah melalui tes uji IVA, terdapat area metastasis yang menjadi pembeda
dalam identifikasi kanker serviks. Area metastasis yang berwarna putih yang biasa disebut
sebagai acetowhite merupakan indikator penting dalam identifikasi kanker serviks (Raad, 2006).
Selain itu, dengan menggunakan perubahan warna yang dialami area metastasis dapat menambah
akurasi dari tolak ukur dalam proses identifikasi. Hal itu disebabkan karena reaksi dari sel kanker
terhadap asam asetat yang merubah warna area metastasis menjadi berwarna putih.
Proses identifikasi warna dilakukan dengan menggunakan perangkat lunak Adobe
Photoshop CS3. Langkah-langkah yang dilakukan dalam identifikasi warna dapat diperlihatkan
pada Gambar 3.
Konversi Citra
ke Ruang
Warna Lab
Data Citra
Matriks
Mengambil
Nilai a dan b
Citra
Menyimpan
dalam Matriks
Gambar 3 Langkah-langkah Identifikasi Warna
Tahap Identifikasi Area Metastasis
Pada tahap identifikasi area metastasis dilakukan sejumlah proses identifikasi area
metastasis sebagai objek konsentrasi citra yang dilakukan pada perangkat lunak Matlab 7.11.
Terdapat beberapa tahapan yang dilakukan dalam proses identifikasi kanker serviks. Tahap yang
dilakukan diperlihatkan pada Gambar 4.
Data Citra
Resize Citra
Konversi ke
Ruang Warna
Lab
Membaca
Matriks
Pembagian
Area Citra
Hasil
Identifikasi dan
Tingkat
Keseriusan
Mengambil
Objek
Konsentrasi
Citra
Membersihkan
Objek Pada
Tepi Citra
Dilasi Citra
Gambar 4 Langkah-langkah Identifikasi Area Metastasis
HASIL DAN PEMBAHASAN
Setelah melakukan kedua tahap identifikasi kanker serviks, penentuan tingkat keseriusan
kanker serviks dilakukan dengan menggunakan hasil dari Luas area metastasis yang
teridentifikasi. Dalam menghitung Luas area metastasis digunakan fungsi regionprops pada
Matlab. Luas area metastasis yang diperoleh dari hasil identifikasi menggunakan satuan piksel.
Citra hasil identifikasi yang dilakukan proses perhitungan Luas area diperlihatkan pada Tabel 1.
Tabel 4.3 Hasil Identifikasi Luas Area Metastasis
Luas area metastasis yang diperoleh dari hasil identifikasi citra kanker serviks adalah 18617
piksel. Untuk proses perhitungan, maka :
Luas area = 18617 piksel x 0.264583333 mm
= 4925.747910461 mm
Tingkat keseriusan berdasarkan aturan oleh International Federation of Gynecology and
Obstetrics (FIGO) bahwa tingkat keseriusan awal dari kanker serviks dimana Luas area
metastasis adalah kurang dari sama dengan 7 mm. Untuk Luas area yang lebih dari 7 mm
dinyatakan sebagai tingkat keseriusan lanjut. Maka dari itu Luas area dari identifikasi citra
kanker serviks dinyatakan memasuki tingkat keseriusan lanjut karena area yang terhitung sebesar
4925.75 mm dengan kata lain lebih dari 7 mm.
PENUTUP
Kesimpulan
Berdasarkan hasil penelitian dapat disimpulkan, area metastasis kanker serviks dan
tingkat keseriusan dapat teridentifikasi dengan menggunakan metode ruang warna L*a*b*. Hasil
identifikasi dapat dijadikan sebagai alternatif solusi untuk mengidentifikasi kanker serviks selain
melalui ahli medis.
Pada proses penelitian, terdapat beberapa hal yang menjadi kekurangan terutama pada
proses pencarian dan pengumpulan data. Data berupa citra kanker serviks yang diperoleh
merupakan citra yang tidak diketahui kualitasnya, apakah citra kanker serviks tersebut
merupakan citra hasil dari alat kolposkop langsung atau citra hasil dari poto digital citra
kolposkop. Selain itu, citra kanker serviks tidak diketahui jarak pengambilan antara alat
kolposkop dengan objek sehingga sulit dalam penentuan luas area metastasis untuk mengetahui
tingkat keseriusan kanker serviks. Pencahayaan objek dan ukuran piksel dari masing-masing
citra berbeda-beda sehingga sulit untuk mendapatkan nilai intensitas piksel yang seragam dari
area metastasis.
Saran
Pada pengembangan identifikasi area metastasis kanker serviks dan tingkat keseriusan
selanjutnya, terdapat beberapa saran untuk mengatasinya. Data citra kanker serviks dapat
digunakan dari satu sumber dengan pencahayaan dan ukuran piksel yang sama antara masingmasing citra. Selain itu, untuk kekurangan dalam hal kualitas dan jarak pengambilan data citra
dapat ditanyakan lebih lanjut pada sumber asal citra yang didapatkan. Penggunaan citra yang
memiliki pengaturan dasar yang sama untuk setiap citra akan mendukung proses identifikasi area
metastasis kanker serviks dan tingkat keseriusan menggunakan metode ruang warna L*a*b*.
DAFTAR PUSTAKA
Affandi, Ardi. 2010. “Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi
Laplacian of Gaussian dan Prewitt”, Skripsi Jurusan Teknik Informatika Universitas
Gunadarma : Depok.
Anonim. 2008. Skrining Kanker Leher Rahim dengan Metode Inspeksi Visual Asam Asetat
(IVA), Departemen Kesehatan Republik Indonesia : Jakarta.
Anonim. 2011. American Cancer Society. http://www.cancer.org/. Tanggal akses : 1 Agustus
2011.
Anonim. 2011. Geneva Foundation for Medical Education and Research. Tanggal akses : 28 Juli
2011.
Dianta Ginting, Elias. 2009. “Deteksi Tepi Menggunakan Metode Canny dengan Matlab untuk
Membedakan Uang Asli dan Uang Palsu”, Skripsi Jurusan Teknik Informatika
Universitas Gunadarma : Depok.
Greg. 2005. Microsoft Developer Network “Where does 96 DPI comefrom Windows?”.
http://blogs.msdn.com/b/fontblog/archive/2005/11/08/490490.aspx. Tanggal akses : 10
November 2011.
Gonzalez, R.C. & R.E. Woods. 2002. Digital Image Processing Second Edition, Prentice Hall :
New Jersey.
Heriana, Octa, Thomas Sri Widodo dan Indah Soesanti. 2010. “Segmentasi Berbasis Warna pada
Citra Termografi Kanker Payudara Menggunakan Ruang Warna L*a*b*”, Skripsi
Fakultas Teknik Universitas Gadjah Mada : Yogyakarta.
Hughey. 2008. Operational Medicine. http://www.operationalmedicine.org/. Tanggal akses : 30
Juni 2011.
Kristanto, Denni. 2010. “Aplikasi pengolahan Citra X-Ray Organ Tubuh : Perbaikan Kualitas
dan Segmentasi Menggunakan Java dan MySQL”, Skripsi Jurusan Teknik Informatika
Universitas Gunadarma : Depok.
Lelekakis M, Moseley JM, Martin TJ et al. 1999. A novel orthotopic model of breast cancer
metastasis to bone. Clin.Exptl.Metastasis :
Lestari, Intan. 2010. “Implementasi Metode Hough Transform Pada Citra Skeletonisasi dengan
Menggunakan Matlab 7.6”, Skripsi Jurusan Teknik Informatika Universitas Gunadarma : Depok.
Marko T, Jurij F. T. 2003. Colour Spaces – perceptual, historical, and applicational
background, University of Ljubljana : Ljubljana.
Rinaldi, Munir. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika :
Bandung.
Raad V. V., Zhiyun X. dan Holger L. 2006. Lession Margin Analisys for Automated
Classification of Cervical Cancer Lesions, Honolulu.
Spencer, Juliet. 2007. Cervical Cancer Deadly Diseases and Epidemics, Chelsea House : New
York.
Welch, Danny. 2002. Cancer Metastasis – Related Genes, Kluwer Academic Publishers : New
York.
Wijaya, Marvin Ch. dan Agus Prijono, Pengolahan Citra Digital Menggunakan Matlab,
Informatika, Bandung, 2007.