Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 IDENTIFIKASI PENYAKIT PERIODONTITIS KRONIS PADA CITRA DENTAL PANORAMIC DENGAN ALGORITMA LINE STRENGTH DAN LINE TRACKING Agus Zainal Arifin, Anny Yuniarty, dan Imam Cholissodin Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS) Email: [email protected], [email protected], [email protected] ABSTRAK Periodontitis kronis merupakan suatu penyakit peradangan pada jaringan periodontal. Proses deteksi penyakit ini biasanya dilakukan secara klinis, namun jika dilakukan secara kasat mata dari citra dental panoramic radiographs, penyakit ini sangat sulit dideteksi. Dalam penelitian ini akan dibangun sebuah sistem computer vision untuk pendeteksian penyakit periodontitis kronis. Proses deteksi diawali dengan menggunakan algoritma line strength untuk mendeteksi pola garis pada citra dengan sudut tertentu. Selanjutnya dilakukan proses line tracking sebagai metode integrasi untuk melacak garis dari setiap piksel pada citra dengan diameter tertentu. Data uji coba diperoleh dari hasil kerjasama dengan Institute of Tropical Disease (ITD) Universitas Airlangga. Data tersebut terdiri dari 20 citra dental panoramic radiographs dengan identifikasi klinis yang telah dilakukan oleh dokter spesialis gigi. Dari hasil uji coba didapatkan nilai akurasi 95%, sensitivity 100%, dan specificity 50%. Kata kunci: Line Strength, Line Tracking, Periodontitis Kronis, Dental Panoramic Radiographs. PENDAHULUAN Gigi merupakan salah satu bagian dari tubuh manusia yang unik, karena menjadi satu-satunya bagian tubuh yang mirip tulang dan letaknya berada di dalam rongga mulut serta terlihat menonjol. Para dokter ahli di bidang gigi telah melakukan berbagai macam analisa secara medis tentang gigi, mengingat betapa pentingnya peran dari gigi, terutama pada dental panoramic radiographs. Hubungannya adalah ketika para pakar mencoba melakukan beberapa macam diagnosa penyakit, ternyata banyak yang identik dengan kondisi dari gigi seseorang pasien. Artinya bahwa kualitas kesehatan gigi seorang pasien dengan diagnosa beberapa penyakit yang diderita mempunyai hubungan timbal balik yang selaras. Hal inilah yang mendorong banyak peneliti medis maupun non medis untuk melakukan pengkajian lebih jauh tentang diagnosa penyakit dari citra gigi. Sehingga wajar jika dental panoramic radiographs sangat sering diambil dari pasien untuk keperluan diagnosis oleh para dokter gigi (H. Devlin dkk, 2007). Dalam kasus nyata telah dibuktikan, bahwa banyak informasi yang bisa didapatkan dari mandible (rahang), baik yang terkait dengan penyakit rongga mulut, gigi, osteoporosis, dan jantung. Hampir setiap tahun, akan ada metode baru yang berusaha untuk melakukan perbaikan dari penelitian-penelitian sebelumnya. Dalam hal ini, pengolahan citra digital akan mendapat perhatian khusus untuk digunakan sebagai teknik menganalisa citra gigi. Dimulai dari proses pengambilan citra, kemudian diproses dengan metode tertentu sehingga dihasilkan suatu nilai yang nantinya akan digunakan untuk pengambilan Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 keputusan. Hasil akhirnya berupa nilai akurasi, sensitivity dan specificity. Penelitian pengolahan citra digital yang memanfaatkan dental panoramic radiographs telah dilakukan sebelumnya (Arifin A Z dkk, 2005). Analisa penelitian tersebut dilakukan pada bagian tepi mandibles cortex dan digunakan untuk mengevaluasi bentuk cortex. Periodontitis adalah peradangan atau infeksi pada jaringan periodontal. Jaringan periodontal adalah jaringan di sekitar perlekatan gigi yang mempunyai fungsi menyangga gigi. Jaringan ini terdiri dari gingiva, sementum, ligamen periodontal dan tulang alveol. Penyebab dari periodontitis adalah banyak faktor. Adapun tanda klinis dari periodontitis adanya inflamasi gingiva dan perdarahan, poket, resesi gingiva, mobilitas gigi, migrasi gigi, nyeri, kerusakan tulang alveol. Periodontitis dibagi menjadi dua yaitu periodontitis kronis dan periodontitis agresif. Periodontitis kronis biasanya terjadi pada usia dewasa, perjalanan penyakitnya lambat, penyebabnya adalah faktor lokal. Gambaran radiografi pada periodontitis kronis yaitu tampak adanya kerusakan tulang horizontal. Periodontitis agresif biasanya terjadi pada usia muda, dibawah usia 30 tahun, perjalanan penyakitnya cepat, penyebabnya dari respon imun. Gambaran radiografi periodontitis agresif yaitu tampak adanya kerusakan tulang vertikal, angular (Carranza dkk, 2006). Menopause adalah pertanda berhentinya siklus reproduksi normal atau berhentinya siklus menstruasi seorang wanita karena produksi dan fungsi hormon wanita untuk mengatur menstruasi mengalami penurunan secara alamiah (Wijayakusuma H, 2003). Menopause dalam jangka panjang dapat menyebabkan terjadinya osteoporosis. Osteoporosis yang telah disetujui oleh WHO ialah suatu gangguan tulang sistemik yang karakteristik dengan massa tulang yang rendah dan perubahan mikroasitektur jaringan tulang dengan konsekuensi meningkatnya fragilitas tulang dan meningkatnya kerentanan terjadinya patah tulang. Karena itu sangatlah penting untuk mengidentifikasi seseorang yang mempunyai risiko besar menderita osteoporosis sehingga dapat dilakukan berbagai tindakan pencegahan dan pengobatan yang efektif (Irwanashari, 2009). Osteoporosis tidak hanya terjadi pada tulang di tubuh saja tetapi juga terjadi pada tulang rahang. Untuk melihat osteoporosis pada tulang rahang dapat dilakukan pemeriksaan radiografi panoramik. Gambaran radiografi panoramik pada osteoporosis tulang rahang yaitu tampak adanya erosi korteks inferior mandibula dan kepadatan mineral tulang. Ini dapat menjadi indikator yang berguna untuk melihat osteoporosis pada tulang rahang (Balcikonyte E dkk, 2004). Dalam penelitian ini, kami mengusulkan sebuah metode line strength dan line tracking untuk melakukan deteksi kepadatan tulang dibawah akar gigi, tepatnya disebelah kanan dan kiri foramen. Dan masing-masing foramen akan diambil region kanan dan kiri untuk dilakukan penghitungan kepadatan tulang. Sehingga didapatkan empat buah region pada setiap citra dental panoramic radiographs. Proses deteksi diawali dengan proses deteksi linear structure untuk menghasilkan line strength. Karena belum optimalnya hasil deteksi linear structure pada saat penentuan nilai line strength berdasarkan nilai maksimal dari penghitungan strength, sehingga perlu digunakan metode lain yang mampu melakukan penentuan nilai maksimal untuk hasil line strength berdasarkan metode line tracking, yaitu dengan memberikan nilai kepercayaan untuk setiap piksel yang dilacak dengan parameter sudut dan diameter tertentu yang kemudian akan dilakukan proses penilaian untuk setiap setiap piksel yang dilacak. Selanjutnya diberikan nilai kepercayaan untuk piksel yang mempunyai nilai bobot paling tinggi dan melebihi threshold yang telah ditetapkan. Hal ini diharapkan agar sistem mampu membedakan mana piksel yang merupakan garis dan yang bukan garis. Tujuan penelitian ini adalah membangun sistem computer vision yang mampu mengukur linear structure pada trabecular bone dan melakukan deteksi penyakit ISBN : 978-602-97491-3-7 C-21-2 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 periodontitis kronis pada penderita menopause melalui citra dental panoramic radiographs. METODOLOGI PENELITIAN Gaussian Pyramid Lowpass pyramid (Gaussian Pyramid) adalah pemrosesan sebuah citra dimana sebuah citra akan diperhalus dan di-subsampling secara berangsur-angsur sebanyak nilai level yang diinginkan. Nilai density dan resolusi citra tersebut akan berkurang dari level ke level dan jika diilustrasikan akan seperti sebuah piramida. Semakin tinggi level yang digunakan maka semakin kecil pula ukuran citra yang dihasilkan. Pada level yang paling kecil, citra yang dihasilkan akan memiliki resolusi yang paling tinggi, sebaliknya pada level yang paling tinggi maka citra yang dihasilkan akan memiliki nilai resolusi paling rendah. Gambar 1. merupakan citra hasil dari operasi lowpas pyramid dengan beberapa level, G0 adalah citra hasil dari level nol atau sama dengan citra asli, untuk menghasilkan citra G1, pada citra G0 dilakukan proses lowpass-filtered dan kemudian dilanjutkan dengan subsampling, jika citra G0 mempunyai ukuran i x j, maka ukuran citra G1 menjadi i/2 x j/2. Proses yang sama dilakukan untuk mendapatkan G2, G3 dan seterusnya (Peter J. Burt dan Edward H. Adelson, 1983). Gambar 1. Proses Gaussian Pyramid, (a) Reduce, (b) Expand Integrasi Metode Line Strength dengan Line Tracking Berbasis Multiscale Pembentukan citra line strength telah dikembangkan sesuai dengan metode pada penelitian sebelumnya (R. Zwiggelaar dkk, 2004). Namun perbedaan yang paling menonjol dengan penelitian ini adalah terletak pada pembuatan desain sistem yang digunakan untuk mendeteksi pola garis pada citra hasil Gambar 1. dengan arah sudut tertentu dan diameter garis tertentu. Proses awal integrasi metode line tracking adalah mendapatkan delapan tetangga dari setiap satu piksel pada matrik gambar secara bersamaan (karena berada dalam satu matrik) sesuai dengan Gambar 2. berdasarkan delapan arah sudut, yaitu 0º, 45º, 90º, 135º, 180º, 225º, 270º dan 315 º. Kemudian menghitung nilai VL(Cross Sectional) dari setiap delapan tetangga dari setiap satu piksel pada matrik gambar secara langsung berdasarkan delapan arah sudut. Berikut penghitungan VL setiap pikselnya. ISBN : 978-602-97491-3-7 C-21-3 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 I ( x 1, y w) I ( x 1, y w) 2I ( x 1, y) I ( x w, y 1) I ( x w, y 1) 2I ( x, y 1) VLx, y I ( x 1 w, y 1 w) I ( x 1 w, y 1 w) 2I ( x 1, y 1) I ( x 1 w, y 1 w) I ( x 1 w, y 1 w) 2I ( x 1, y 1) (1) di mana I(x,y) adalah intensitas grayscale sesuai dengan alamat setiap piksel pada matrik citra. Kemuadian w adalah diameter tracking pola garis dari satu piksel ke piksel yang lain. Penghitungan VL ini didasarkan pada arah sudut yang dilacak. Gambar 2. Inisialisasi Parameter Line Tracking. Langkah kedua adalah menampung hasil nilai VL yang paling maksimum dan sekaligus menampung satu dari delapan arah sudut tersebut yang mempunyai VL yang paling maksimum dan mengecek piksel mana saja mempunyai VLMax > T. T adalah threshold untuk menyeleksi VLMax dari setiap piksel citra. Kemudian menandai piksel tersebut dan mengupdate nilai matrik kepercayaan (Cw) setiap piksel terpilih menjadi 1 (satu). Gambar 3. Update matrik Cw. Untuk penentuan piksel tracking yang baru, digunakan rumus sebagai berikut, xc , y c x r cos 0 , y r sin 0 (2) di mana (xc, yc) adalah piksel tracking baru yang dihitung dengan memanfaatkan nilai alamat piksel (x,y), panjang diameter (r) dan arah sudut (θ) yang sebelumnya telah dideteksi sebagai piksel garis. Proses line tracking diatas akan dijalankan sebanyak W (banyak diameter garis) yang telah ditentukan. Dan setiap hasil dari 1 ukuran W, akan selalu ditampung dan diupdate terus menerus ke dalam matrik kepercayaan(Cw). Setelah melewati W yang terakhir, maka didapatkan matrik keperyaan(Cw) yang akan di-update dengan aturan (map quantization rules) sebagai berikut : ISBN : 978-602-97491-3-7 C-21-4 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 Gambar 4. Proses Map Quantization. Hasil akhir dari proses line tracking tersebut merupakan hasil proses map quantization dari beberapa piksel citra yang dideteksi sebagai piksel garis. Dan citra line tracking ini sudah berupa citra biner. Untuk mengetahui lebih detail alur dari proses line tracking dapat dilihat pada Gambar 5. Gambar5. Flowchart Line Tracking Pengambilan Gambar Pada dental panoramic radiograph akan dipilih daerah pada bagian rahang manusia. Dari format citra berupa .tif akan diambil empat buah sampel daerah disebelah kanan dan kiri foramen sebesar 128x128 piksel. Untuk lebih jelasnya dapat dilihat pada Gambar 3. Letak Pengambilan daerah sampel ini berdasarkan rekomendasi dari pakar di bidang kedokteran gigi. Gambar 6. Pengambilan 4 Buah Sampel Di Bagian Kanan Dan Kiri Dari Foramen. HASIL PERCOBAAN Pada penelitian ini, data yang digunakan adalah 20 dental panoramic radiograph. Data tersebut diperoleh dari hasil kerjasama dengan Institute of Tropical Disease (ITD) Universitas Airlangga. Untuk uji coba pada penelitian ini, Spesifikasi dari perangkat keras yang digunakan dalam implementasi perangkat lunak terdiri dari ISBN : 978-602-97491-3-7 C-21-5 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 prosesor berjenis Intel Pentium Core 2 Duo 2.2 GHz, memori berkapasitas 4 GB dan kapasitas harddisk 320 GB. Sedangkan untuk spesifikasi perangkat lunak yang digunakan dalam implementasi perangkat lunak yakni Microsoft Windows 2010 ,Visio Profesional 2010 serta Matlab 7.8.0. Tabel 1: Data Klinis Deteksi Penyakit Periodontitis Kronis.oleh Pakar. Citra Perio Index 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 6 6 6 6 6 8 6 0 6 6 6 6 6 6 0 6 6 6 6 8 Diagnosa (P/N) P P P P P P P N P P P P P P N P P P P P Data diuji coba dengan enam macam orientasi sudut dan menggunakan Tabel 1. sebagai referensi deteksi penyakit periodontitis kronis yang telah dilakukan oleh pakar. Hal ini bertujuan untuk mendapatkan sudut orientasi (θ) dan nilai threshold identifikasi (Ti) dengan nilai akurasi, sensitivity dan spesificity tertinggi. Proses uji coba dilakukan dengan cara mengubah nilai threshold identifikasi secara iteratif. Nilai dari threshold didapatkan dari hasil rata-rata nilai kepadatan tulang pada setiap citra. Proses iteratif ini juga dilakukan pada semua sudut orientasi. Hasil deteksi pola garis yang dilakukan dengan metode line strength terhadap Gambar 1. yang merupakan hasil proses expand pada proses gaussian pyramid dapat dilihat pada Gambar 10(a)-10(c). Sedangkan pada Gambar 10(d)-10(f), deteksi pola garis yang dilakukan dengan integrasi metode line strength dengan line tracking berbasis multiscale tampak lebih jelas dan tidak banyak piksel yang hilang jika dibandingkan dengan hasil binerisasi pada Gambar 10(g)-10(i) secara langsung dari citra line strength. Setelah melakukan proses deteksi pola garis, maka dilakukan uji coba deteksi pola garis dengan enam macam orientasi sudut sesuai dengan Tabel 2. Pada Tabel 2. telah dilakukan evaluasi dari seluruh citra yang digunakan dalam uji coba. Dari tabel hasil yang didapat pada uji coba dengan menggunakan integrasi metode line strength dengan line tracking berbasis multiscale tersebut diperoleh nilai evaluasi terbaik berturut-turut adalah akurasi sebesar 95% yang digambarkan pada Gambar 8. Sensitifity sebesar 100% yang digambarkan pada Gambar 9. Specificity 50% yang digambarkan pada Gambar 10. dan rata-rata waktu eksekusi adalah 21,87 detik yang digambarkan pada Gambar 11. ISBN : 978-602-97491-3-7 C-21-6 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 (a) (b) (c) (d) (e) (f) (g) (h) (i) Gambar 7. (A)-(C) Citra Line Strength. (D)-(F) Citra Binerisasi Line Strength. (G)-(I) Citra Hasil Integrasi Line Tracking Tabel 2: Hasil Penghitungan Nilai Akurasi, Sensitivity dan Spesificity pada Beberapa Orientasi Sudut. Orientasi Sudut 0 < θ < 90 0 < θ < 90 dan 90< θ < 180 45< θ < 135 90< θ < 180 135<θ <225 0 ≤ θ < 180 Ti Akurasi (%) Sensitivity (%) Spesificity (%) 9847.5 9876.3 90 100 0 90 100 0 95 90 90 90 100 100 100 100 50 0 0 0 9244.3 9809.5 9566.3 9592.3 Dalam pengambilan nilai akurasi, sensitivity dan specificity tidak menghitung nilai rata-ratanya. Karena sesuai dengan tujuan awal bahwa penelitian ini digunakan mencari sudut orientasi yang memiliki nilai evaluasi terbaik untuk identifikasi penyakit periodontitis kronis. Sudut orientasi ini berhubungan dengan peryataan (Carranza dkk, 2006), bahwa penyakit periodontitis ini dapat dideteksi dengan menganalisa kepadatan jaringan tulang yang mengarah secara horisontal maupun vertikal. ISBN : 978-602-97491-3-7 C-21-7 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 Nilai Akurasi(%) Perbandingan Nilai Akurasi 100 90 80 1 2 3 4 Uji Coba 5 6 Gambar 8. Grafik Akurasi Hasil Uji Coba. Nilai Sensitifity(%) Perbandingan Nilai Sensitifity 200 0 1 2 3 Coba 4 Uji 5 6 Gambar 9. Grafik Sensitivity Hasil Uji Coba. Nilai Spesificity(%) Perbandingan Nilai Spesificity 100 0 1 2 3 4 Uji Coba 5 6 Gambar 10. Grafik Spesificity Hasil Uji Coba. waktu (detik) Waktu Eksekusi 23 22 21 1 2 3 4 5 6 Uji Coba Gambar 11. Grafik Waktu Eksekusi. KESIMPULAN DAN SARAN Berdasarkan hasil penelitian ini dapat disimpulkan beberapa hal sebagai berikut : 1. Penyakit periodontitis kronis pada citra dental panoramic dapat diidentifikasi dengan menggunakan algoritma line strength dengan integrasi metode line tracking berbasis multiscale. 2. Berdasarkan transformasi geometri pada algoritma line strength dan penggunaan konsep matrik pada algoritma line tracking dapat mengurangi waktu komputasi. ISBN : 978-602-97491-3-7 C-21-8 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 3. Penggabungan citra hasil integrasi metode line tracking berbasis multiscale dapat merepresentasikan piksel-piksel dari setiap level citra line strength yang berada di dalam diameter tertentu. 4. Berdasarkan hasil uji coba yang dilakukan pada kinerja program line strength berintegrasi dengan metode line tracking berbasis multiscale didapatkan nilai evaluasi yang paling optimal, yaitu akurasi 95%, sensitivity 100%, spesificity 50% dan rata-rata waktu eksekusi adalah 21,87 detik dengan sudut orientasi 45° sampai 135° yang mengarah vertikal dan nilai threshold identifikasi sebesar 9244.3. Saran yang didapatkan dari percobaan dan evaluasi yang telah dilakukan adalah sebagai berikut : 1. Melakukan preprosesing data citra dental panoramic radiograph dengan mengurangi efek pencahayaan yang kurang merata. 2. Dalam penentuan letak foramen dan proses cropping di bagian kanan dan kiri dapat dilakukan secara otomatis dari program. 3. Menambah jumlah data pengamatan, sehingga pada saat proses penentuan dataset dapat dilakukan secara optimal. 4. Menambah fitur deteksi pola garis selain yang berdasarkan pada arah sudut tertentu dan diameter tertentu. DAFTAR PUSTAKA Arifin A Z., Asano A., Taguchi A., Nakamoto T., Ohtsuka M., and Tanimoto K., (2005) “Computer-aided system for measuring the mandibular cortical width on panoramic radiographs in osteoporosis diagnosis”. Medical Imaging : Image Processing. Arifin A Z., Asano A., Taguchi A., Nakamoto T., Yuniarti A., Dewi L R., Studiawan H. (2010) Line Strength Measurement For Trabecular Bone Analysis Of Mandible On Dental panaromic Radiographs. Balcikonyte E, Balciuniene I, Alekna V. (2004) Panoramic Radiographs in Assessment of the Bone Mineral Density. D.J.J Farnel, F.N Hatfield, P. Knox, M. Reakes, S. Spencer, D. Parry, S.P. Harding, (2008) “Enhancement of blood vessels in digital fundus photographs via the application of multiscale Line Operators”, Elsivier, Vol.345, Issue 7, pp. 748765. E. H.Adelson, C. H. Anderson, J. R Bergen, P. J, Burt, J. M. Ogden, (1984) “Pyramid methods in image processing”, RCA Engineer,pp 33-41. Foracchia M, Grisan E, Ruggeri A. (2005) Luminosity and contrast normalization in retinal images. Med Image Anal;9:179–90. Gongalez RC, Woods RE, Eddins SL. (2004) Digital image processing using MATLAB. Prentice Hall. H. Devlin, P.D. Allen, J. Graham, R. Jacobs, K. Karayianni, C. Lindh, P.F. van der Stelt, E. Harrison, J.E. Adams, S. Pavitt, K. Horner. (2007) “ Automated Osteoporosis risk assessment by dentist : New pathway to diagnosis”. Elsivier, Volume 40, Issue 4, pp. 835-842. ISBN : 978-602-97491-3-7 C-21-9 Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011 Irwanashari. (2009) Radiografi dan Diagnosis Periodontal. John Eugene Ball, (2007) “Three Stage Level Set Lineation of Mass Core, Periphery, and Spiculations For Automated Image Analysis of Digital Mammograms”, Mississipi State, Mississipi. Lindsay I Smith, (2002) “A tutorial on principal Components Analysis”. Newman, Takei, Klokkevold, Carranza. (2006) Carranza’s Clinical Periodontology 10ed: 364, 494-499, 506-511, 605. Newman, Takei, Klokkevold, Carranza. (2006) Carranza’s Clinical Periodontology 10ed: 645-647. Peter J. Burt and Edward H. Adelson, (1983) ”The Laplacian Pyramid as a Compact Image Code ”, IEEE Trans on communication, vol.31, Issue 4, pp. 532-540. R. Zwiggelaar, T. C. Parr, and C. J. Taylor, (1996) “Finding orientated line patterns in digital mammographic images,” in Proc. 7th Br. Machine Vision Conf., pp. 715–724. R.N. Dixon and C.J. Taylor, (1979) ”Automated Asbestos Fiber Counting”, ser. Conference. Philadelphia, PA: Ist.Phsics, vol. 44, pp.178-185. Reyer Zwiggelaar, Susan M.Astley, Caroline R.M Boggis, and Christoper J.Taylor, (2004) Linear Structure in Mammographic Images: Detection and Classification, IEEE Trans on Medical Imaging, Vol.23, No. 9, pp.1077-1086. Vincent L. (1993) Morphological grayscale reconstruction in image analysis: applications and efficient algorithms. IEEE Trans Pattern Anal Mach Intell;13(6):583–98. Wijayakusuma H. (2003) Mancegah dan Mengatasi gangguan Menopause Secara Alamiah. ISBN : 978-602-97491-3-7 C-21-10