Bab I Pendahuluan

Bab I
Pendahuluan
I. 1 Latar Belakang
Dewasa ini, kebutuhan akan sebuah teknologi yang mampu menganalisis
dan mengklasifikasikan berbagai citra ke dalam kelas-kelas yang sesuai sangat
dibutuhkan. Tidak hanya untuk memudahkan proses penyimpanan dan
pengambilan citra (image retrieval), melainkan juga sebagai dasar untuk dapat
dipergunakan ke dalam proses selanjutnya. Pada penelitian Wei, Tsun &Wilson
(2005) di bidang kedokteran salah satunya, teknik pengklasifikasian citra medis
hasil pemeriksaan radiologi dengan similiarity measure dipergunakan untuk
menentukan kelas abnormal dan kelas normal dari sekumpulan citra mammogram,
yang kemudian dapat digunakan untuk mendiagnosis adanya sel kanker payudara.
Dalam thesis penelitian ini, teknik klasifikasi berbasiskan Jaringan Syaraf
Tiruan (JST) akan diterapkan oleh peneliti guna membantu memprediksi atau
mengukur tingkat keparahan penyakit osteoarthritis melalui citra X-ray dari
keempat kelas atau derajat yang ada. Keempat derajat tersebut memiliki gambaran
kondisi osteoarthritis yang berbeda-beda dan hanya mampu diadignosa oleh para
ahli rheumatologi atau ahli bedah tulang melalui serangkaian pemeriksaan medis.
Penelitian dalam mengklasifikasi penyakit osteoarthritis juga pernah
dilakukan sebelumnya oleh Boniatis et al pada daerah panggul (hip) melalui X-ray
dengan analisis tekstur, dan menghasilkan 94% tingkat pengenalan pola.
Penelitian tersebut kemudian peneliti coba terapkan kembali dalam thesis ini guna
2
mengklasifikasi atau memprediksi tingkat keparahan osteoarthritis pada daerah
tangan atau Manus, dengan pula mempergunakan fitur tekstur di dalamnya.
Penyakit osteoarthritis umumnya terjadi pada daerah sekitar tulang rawan
dan persendian seperti sendi jari-jari, lutut, dan tulang punggung yang
menimbulkan gejala rasa kaku, peradangan, nyeri serta pembengkakan yang
disertai warna kemerah-merahan. Gejala-gejala ini yang digunakan sebagai
analisa awal oleh rheumatologi (Slowik, 2011). Namun, dalam memastikan
kondisi osteoarthritis, tidak cukup berdasarkan dari gejala yang timbul. Karena
banyak kasus yang memperlihatkan bahwa osteoarthritis stadium lanjut tidak atau
hanya sedikit memperlihatkan gejala, begitu juga sebaliknya. Oleh karena itu,
pemeriksaan lebih lanjut seperti foto rontgen (X-ray), Magnetic Resonance
Imaging (MRI), ataupun Computed Tomography Imaging (CT Scan) dianjurkan
untuk dilakukan agar dapat memberikan hasil yang lebih akurat.
Beberapa gambaran yang digunakan oleh pakar rheumatologi atau ahli
orthopedi dalam menentukan tingkat keparahan penyakit osteoathritis seseorang
dari foto X-ray yaitu dengan melihat ada atau tidaknya kista (cysts),
pembengkakan, pembentukan tulang baru yang tidak rata dan runcing-runcing
(osteophyte), terjadinya subchondral sclerosis, serta pengurangan massa tulang
rawan (Brandt, Doherty & Lohmander, 2003). Gambaran kondisi inilah yang
kemudian dijadikan peneliti sebagai acuan dalam membantu rheumatologi
memastikan kondisi penyakit osteoarthritis dari sekumpulan citra X-ray.
Setiap gambaran ciri-ciri osteoarthritis yang nampak pada citra X-ray,
akan diolah dan diekstrak fiturnya berdasarkan kecerahan (intensity) dan tekstur
3
yang kemudian akan diproses untuk menghasilkan prediksi dalam piranti lunak
berbasis metode jaringan syaraf tiruan Backpropagation.
Pemilihan metode backpropagation di dalam penelitian ini dikarenakan
kemampuan dari metode tersebut yang secara terbimbing (supervised) dapat
melakukan pengenalan serta pendeteksian yang sangat baik dan cocok untuk
berbagai jenis aplikasi (Siang, 2005). Hal ini terbukti pada beberapa penelitian
sebelumnya yang mempergunakan metode backpropagation dalam penerapannya.
Seperti pada penelitian Niu & Ye (2009) yang mengaplikasikan backpropagation
dalam mendeteksi kerusakan struktur pada pembangunan jembatan dan memiliki
tingkat keberhasilan cukup tinggi. Penelitian lainnya (Subekti, Balza & Gogot,
2008) pada bidang kedokteran, backpropagation juga berhasil diterapkan untuk
menganalisis kondisi ginjal dari spektrum dengan persentase ketepatan
identifikasi
sebesar
98%.
Oleh
karena
itulah,
peneliti
menetapkan
backpropagation sebagai metode JST yang akan dipergunakan untuk mengukur
tingkat keparahan penyakit osteoarthritis di dalam thesis penelitian ini.
I. 2 Rumusan Permasalahan
Permasalahan yang ada di dalam penelitian ini yaitu :
1. Bagaimana menentukan jenis fitur dan dimensi vektor fitur yang tepat agar
mampu mempercepat proses learning tanpa mengurangi akurasi hasil
klasifikasi?
2. Bagaimana
menghasilkan klasifikasi dengan akurasi dan reliabilitas
pengenalan grade penyakit osteoarthritis yang tinggi?
4
I. 3 Tujuan
Tujuan yang ada di dalam penelitian ini yaitu :
1. Memperoleh hasil prediksi yang tepat dalam mengukur tingkat keparahan
penyakit osteoarthritis dari setiap citra X-ray yang diujikan.
2. Mengembangkan
salah
satu
cara
dalam
menyediakan
alat
bantu
mendiagnosis/memprediksi derajat atau grade penyakit osteoarthritis, yaitu
dengan menerapkan metode jaringan syaraf tiruan backpropagation.
I. 4 Manfaat
Manfaat yang ada di dalam penelitian ini yaitu :
1. Membantu rheumatologi dalam memastikan tingkat keparahan dari kondisi
pasien osteoarthritis sehingga pengobatan yang dapat diberikan tidak
overtreatment maupun undertreatment.
2. Dapat dijadikan sebagai salah satu rancangan awal atau dasar untuk
mengembangkan sebuah sistem pengukuran tingkat keparahan penyakit
lainnya, yang dapat diterapkan dalam penelitian-penelitian selanjutnya.
I. 5 Ruang Lingkup
Ruang lingkup dalam penelitian ini yaitu sebagai berikut :
1. Citra yang dipergunakan sebagai sampel berupa sekumpulan citra X-ray
digital 8-bit berukuran 200x150 piksel serta Region of Interest (ROI) dari
X-ray tersebut berukuran 30x20 piksel dan 30x50 piksel dengan format
*.JPEG, yang merupakan hasil proses scanning, cropping dan konversi
warna sebelumnya
5
2. Daerah citra yang diambil dan dideteksi hanya berkisar antara pergelangan
hingga jari-jari tangan (Manus)
3. Jumlah class sebanyak empat kelas yang mewakili empat grade / derajat
keparahan osteoarthritis, yaitu grade 1, grade 2, grade 3 dan grade 4.