BAB I PENDAHULUAN

BAB I
PENDAHULUAN
1.1 Latar Belakang
Kanker payudara masih merupakan salah satu penyakit yang hingga saat
ini masih sulit disembuhkan. Kanker menempati urutan kedua penyebab kematian
terbanyak terhadap wanita penderita kanker, dimana urutan pertamanya ditempati
oleh kanker paru-paru. Saat ini (2009) di Amerika sendiri, diperkirakan terjadi
192.370 kasus baru dan 40.170 kasus kematian yang disebabkan oleh kanker
payudara (menurut data dari American Cancer Society: Breast Cancer Facts &
Figures 2009-2010). Diperkirakan di dunia, setiap tahunnya terdapat 1,1 juta
kasus baru dan 410.000 kasus kematian karena kanker payudara (berdasarkan data
tahun 2004). Cara terbaik untuk melakukan penyembuhan kanker payudara
dimulai dengan pendeteksian keberadaan kanker tersebut sejak dini sebelum
kanker tersebut menyerang sel-sel lain di sekitarnya dan lebih jauh lagi, menyebar
ke organ tubuh lainnya. Pendeteksian ini biasanya diawali dengan si penderita
merasakan adanya gumpalan pada payudaranya (selain gumpalan, tanda lainnya
dapat saja berupa perubahan ukuran payudara, terdapat tonjolan pada kulit,
perubahan puting susu), kemudian langkah paling pertama yang akan dilakukan
adalah mengambil mammogram dari payudara si penderita. Mammogram adalah
sebuah gambar sinar X yang diambil dari pemfotoan payudara si penderita.
Mammogram ini kemudian akan dianalisa lebih lanjut oleh ahli patologi untuk
keberadaan tumor, lokasi, dan ukurannya. Sekedar informasi, istilah tumor
diberikan kepada gumpalan yang terdapat pada bagian tubuh manusia, yang
1 2 disebabkan karena adanya sel yang tumbuh dan berkembang secara tidak
terkendali, dan terus mempengaruhi sel-sel lain yang ada di sekitarnya. Biasanya
langkah yang diambil selanjutnya adalah memastikan kebenaran dari analisa
tersebut dengan melakukan pengujian-pengujian terhadap penderita, seperti
contohnya tes darah. Dari serangkaian kegiatan tersebut, dapat disimpulkan bahwa
mammogram memiliki peranan penting dalam melakukan deteksi kanker
payudara.
Dalam praktiknya, terdapat beberapa kendala yang meliputi pendeteksian
kanker dengan menggunakan mammogram. Ukuran kanker akan semakin
membesar dan menyerang ke sel-sel lain di sekitarnya apabila tidak segera
ditangani. Sebaliknya, kanker yang tergolong masih muda, atau baru mulai
bertumbuh, memiliki ukuran yang sangat kecil. Hal ini seringkali memberikan
masalah kepada para ahli patologi dalam menentukan keberadaan kanker. Tidak
jarang, hasil yang diberikan ternyata keliru disebabkan karena ketidakberhasilan
pendeteksian pada tahap ini, sehingga dapat saja mengancam jiwa si penderita
lebih jauh lagi. Gumpalan yang terdapat dalam payudara tidak selalu dapat
dikatakan sebagai kanker. Ada juga gumpalan yang dapat digolongkan sebagai
tumor, namun tidak menyebar ke organ-organ tubuh lainnya. Jenis tumor seperti
ini disebut sebagai benign, dan tidak membahayakan jiwa si penderita.
Sebaliknya, jenis tumor yang dapat menyebar ke organ-organ tubuh lainnya
diistilahkan sebagai malignant, atau yang kita kenal dengan istilah kanker.
Umumnya, benign dan malignant ini dapat dibedakan dengan cara melakukan
observasi lebih lanjut terhadap gumpalan tumor menggunakan mikroskop, setelah
gumpalan tersebut dikeluarkan dari tubuh si penderita. Langkah tersebut juga
3 digunakan untuk menentukan grade, yaitu tingkat abnormalitas dan keganasan
dari kanker. Selain itu terdapat juga stage, yaitu tingkat penyebaran kanker dalam
tubuh penderita.
Kemajuan teknologi memungkinkan adanya mammogram digital, yaitu
suatu mammogram yang diambil dengan menggunakan suatu alat yang mampu
menterjemahkan sinar X menjadi data digital. Penggunaan mammogram digital
tentunya akan menghemat tempat dan mempermudah pengaturan, karena tidak
seperti mammogram tradisional, mammogram digital dapat disimpan dalam
storage
komputer
yang
tidak
memakan
banyak
ruangan,
dan
dapat
dikelompokkan dengan mudah sesuai kebutuhan. Hal ini juga membuka satu
peluang baru dalam melakukan deteksi kanker berdasarkan mammogram, yaitu
penggunaan komputer sebagai alat bantu atau yang lebih dikenal dengan nama
CAM (Computer-Aided Mammography). Fungsi utama dari CAM adalah
membantu para ahli patologi dalam menganalisa keberadaan kanker dalam suatu
mammogram dengan cara memberikan hasil pemrosesan dari mammogram
tersebut yang outputnya adalah daerah-daerah yang diduga merupakan tumor.
Lebih jauh lagi, CAM dapat membantu menggolongkan tumor tersebut sebagai
malignant atau benign, serta berapa grade dari kanker tersebut. Penentuan stage
mungkin belum dapat dilakukan, karena diperlukan informasi-informasi tambahan
yang tidak dimiliki oleh mammogram. Masalah penggolongan ini dapat diperluas
pada struktur dari tumor tersebut, yang dapat dibagi dalam enam kelas yaitu
architectural distortion, asymmetry, calcification, well-defined/circumscribed
masses, other, ill-defined masses, dan spiculated masses. Pengembangan
selanjutnya berkaitan dengan CBIR (Content-Based Image Retrieval), yaitu
4 pengambilan gambar berdasarkan pada isinya, dimana biasanya kriteria pencarian
ditentukan dengan menggunakan gambar lain. Dalam kasus CAM, konsep CBIR
dapat diterapkan untuk mengambil gambar-gambar yang memiliki kasus kanker
serupa dengan input yang diberikan. Contohnya, apabila kanker tersebut
malignant, berdasarkan dari fitur yang dimiliki dari bagian kanker tersebut, sistem
dapat menampilkan gambar-gambar terdahulu yang memiliki kasus yang sama.
Dari gambar-gambar tersebut, tentunya dapat diperoleh data mengenai bagaimana
para ahli menangani kasus ini sebelumnya, serta hasil akhirnya. Pada akhirnya,
diharapkan penggunaan CAM akan membantu mengurangi tingkat kesalahan
diagnosa yang dapat saja dilakukan oleh para ahli patologi.
Topik utama yang akan diteliti adalah bagaimana metodologi yang tepat
digunakan untuk melakukan klasifikasi kanker payudara.
Kanker dapat
diklasifikasikan berdasarkan pada jenis keabnormalan, yaitu benign dan
malignant, dan struktur keabnormalan, yaitu architectural distortion, asymmetry,
calcification, well-defined/circumscribed masses, other, ill-defined masses, dan
spiculated masses. Ke dalam kelas-kelas inilah nantinya proses klasifikasi akan
dilakukan. Klasifikasi kanker payudara, umumnya terdiri atas dua langkah
penting. Pertama, ekstraksi fitur akan dilakukan terhadap bagian yang memiliki
gumpalan mencurigakan. Hingga saat ini, manusia masih memiliki kemampuan
mengklasifikasi gambar terbaik. Dengan menggunakan pemikiran ini, dapat
dikatakan bahwa untuk dapat membuat suatu sistem pengklasifikasi gambar
terbaik, sistem tersebut harus mampu mereplikasi cara kerja sistem visual
manusia. Fungsionalitas ini dapat dicapai dengan menggunakan tranformasi
wavelet. Transformasi wavelet yang paling sering digunakan adalah discrete
5 wavelet transform (DWT). Namun, DWT memiliki dua masalah besar yaitu
rentan terhadap pergeseran dan memiliki informasi arah yang minim. Kedua
masalah ini berhasil dipecahkan oleh dual-tree complex wavelet transform (DT
CWT) dan terbukti mampu meningkatkan performa dari proses ekstraksi fitur.
Dengan berdasarkan pada informasi ini, metodologi yang diusulkan akan
menerapkan DT CWT sebagai teknik ekstraksi fitur.
Kedua, fitur yang diperoleh akan digunakan sebagai input untuk sebuah
teknik klasifikasi yang telah dikonfigurasi untuk mampu mengklasifikasi jenisjenis gumpalan mencurigakan. Support vector machine (SVM) adalah salah satu
teknik klasifikasi terbaik yang ada saat ini. SVM telah diterapkan pada banyak
penelitian
dan
terbukti
akurat
dan
efisien.
Sebuah
survey
mencoba
membandingkan teknik-teknik klasifikasi yang ada saat ini dan menarik
kesimpulan bahwa SVM memiliki kemampuan klasifikasi yang paling akurat.
Lebih jauh lagi, SVM yang merupakan pengklasifikasi biner, dapat diterapkan
langsung pada permasalahan utama yang dihadapi, yaitu klasifikasi ke dalam
benign atau malignant. Karenanya, SVM akan digunakan sebagai teknik
klasifikasi untuk permasalahan yang dihadapi.
1.2 Identifikasi Masalah
Suatu sistem CAM memiliki dua fungsi utama yaitu melakukan deteksi
dan klasifikasi. Penelitian ini akan terfokus kepada fungsi klasifikasi dari CAM.
Pada proses klasifikasi, ada dua langkah penting yang dilakukan yaitu ekstraksi
fitur dan klasifikasi kanker. Pada langkah ini proses ekstraksi fitur dilakukan
6 untuk kemudian digunakan sebagai input terhadap proses klasifikasi. Kemudian,
proses klasifikasi akan dilakukan dengan menggunakan suatu metode klasifikasi
tertentu dengan memanfaatkan fitur yang didapatkan sebelumnya. Klasifikasi ini
akan mengelompokkan gumpalan tersebut ke dalam dua kelas keabnormalan,
yaitu benign atau malignant, dan lebih jauh lagi ke dalam struktur keabnormalan,
yaitu
architectural
distortion,
asymmetry,
calcification,
well-
defined/circumscribed masses, other, ill-defined masses, dan spiculated masses.
Pada akhirnya, proses deteksi dan klasifikasi kanker akan sangat bergantung
kepada teknik-teknik yang digunakan dalam melakukannya.
1.3 Perumusan Masalah
Diperlukan serangkaian teknik yang tepat digunakan untuk melakukan
klasifikasi kanker yang terdapat di dalam mammogram untuk diterapkan ke dalam
suatu sistem CAM. Rangkaian teknik tersebut minimal terdiri atas ekstraksi fitur
dan klasifikasi. Proses klasifikasi bertujuan untuk menentukan ke dalam kelas
mana sebuah daerah dalam mammogram dapat dikelompokkan. Fitur yang
diperoleh harus unik sehingga mampu mendiskriminasi keabnormalan yang
terdapat di dalam sebuah mammogram, ke dalam kelas–kelas keabnormalan yang
benar. Dalam penelitian ini, fitur yang digunakan akan diperoleh dengan
mengaplikasikan DT CWT pada daerah yang dicurigai. Fitur tersebut kemudian
akan digunakan sebagai input oleh pengklasifikasi berbasis SVM untuk dicari
kelasnya. Secara umum, pertanyaan penelitian dapat dirumuskan sebagai berikut:
bagaimana performa dari kombinasi antara DT CWT, sebagai teknik ekstraksi
7 fitur, dan SVM, sebagai teknik klasifikasi, dalam melakukan klasifikasi
keabnormalan terhadap suatu daerah di dalam mammogram? Pertanyaan tersebut
kemudian dapat diturunkan menjadi: 1) bagaimana performa dari kombinasi
antara DT CWT, sebagai teknik ekstraksi fitur, dan SVM, sebagai teknik
klasifikasi, dalam melakukan klasifikasi jenis keabnormalan terhadap suatu daerah
di dalam mammogram? dan 2) bagaimana performa dari kombinasi antara DT
CWT, sebagai teknik ekstraksi fitur, dan SVM, sebagai teknik klasifikasi, dalam
melakukan klasifikasi struktur keabnormalan terhadap suatu daerah di dalam
mammogram? Kedua pertanyaan ini yang pada akhirnya akan dijawab oleh
penelitian yang dilakukan.
1.4 Ruang Lingkup
Karena keterbatasan waktu yang dimiliki dalam melakukan penelitian ini,
maka harus ada batasan-batasan yang jelas mengenai ruang lingkup dari penelitian
ini. Ada pun batasan-batasan tersebut adalah:
1.
Data yang digunakan sebagai sumber informasi dalam mendeteksi
keberadaan kanker hanyalah data mammogram saja. Data-data lain
seperti gejala-gejala yang dirasakan oleh penderita, hasil pengujian
darah, dan lain-lain, tidak akan dijadikan sebagai sumber informasi
dalam penelitian ini.
2.
Informasi yang akan diekstrak dari mammogram adalah jenis
keabnormalan dan struktur keabnormalan. Informasi lainnya seperti
8 grade dan stage tidak akan diteliti, disebabkan karena keterbatasan
informasi dan data, terkait dengan poin pertama.
3.
Kelas keabnormalan yang akan digunakan sebagai kelas dalam
penelitian ini adalah jenis keabnormalan, yaitu benign dan malignant,
dan struktur keabnormalan, yaitu architectural distortion, asymmetry,
calcification, well-defined/circumscribed masses, other, ill-defined
masses, dan spiculated masses.
4.
Penerapan CBIR masih belum dilakukan dalam penelitian ini. Hingga
saat ini, masalah terbesar yang dihadapi dalam analisa mammogram
adalah deteksi dan klasifikasi. Kesulitan tersebut berkaitan dengan
karakteristik mammogram payudara yang terdiri atas gambar gambar
payudara dimana di dalamnya terdapat jaringan-jaringan yang saling
tumpang tindih yang seringkali menyulitkan. Penerapan CBIR sebagai
alat bantu pencarian terhadap kasus serupa dari yang pernah ada
sebelumnya, dapat dikesampingkan terlebih dahulu.
1.5 Kemanfaatan Penelitian
Ada pun, manfaat dari penelitian ini adalah sebagai berikut:
1.
Memperkaya literatur mengenai deteksi dan klasifikasi kanker
payudara dalam suatu mammogram digital. Meskipun penelitian
mengenai masalah deteksi kanker payudara sudah cukup populer,
9 teknologi ini masih tergolong muda sehingga topik ini tetap menarik
untuk diteliti lebih lanjut.
2.
Salah satu dasar dalam pengembangan suatu aplikasi CAM yang utuh.
Deteksi dan klasifikasi terhadap bagian yang diduga sebagai kanker
merupakan komponen utama yang harus dimiliki oleh sebuah CAM
apabila ingin diimplementasikan ke dalam dunia nyata.
3.
Membantu para ahli patologi dalam melakukan analisa mammogram
dengan memberikan pertimbangan kedua mengenai keberadaan
kanker dalam suatu wilayah tertentu di dalam mammogram.