1 PB
1 PB
Abstract—Penyakit malaria menjadi masalah kesehatan di sebagai Plasmodium vivax. Hasil survei kesehatan nasional
seluruh dunia, termasuk Indonesia. Kesalahan diagnosis dan yang dilakukan oleh Biro Pusat Statistik Indonesia di tahun
perawatan medis yang tidak tepat dapat berakibat fatal, 1995 dan 2001, memperkirakan sebanyak 30.000 sampai
seperti kematian pasien. Pemeriksaan mikroskopis masih 38.000 orang Indonesia meninggal akibat malaria [2].
menjadi standar penegakan diagnosis malaria. Namun, metode
pemeriksaan tersebut memakan waktu dan hasil akurasi Di dalam sel darah merah pasien malaria, dapat
diagnosisnya bergantung pada tingkat keahlian serta ditemukan parasit dengan stadium trofozoit, skizon, dan
pengalaman dokter atau ahli patologi. Deteksi dini penyakit gametosit. Pemeriksaan klinis infeksi malaria dilakukan
malaria diperlukan untuk menekan angka kematian pasien. dengan mengidentifikasi parasit pada sediaan darah pasien
Sejumlah penelitian berbasis pengolahan citra dikembangkan melalui mikroskop oleh dokter atau ahli patologi [3].
untuk mengidentifikasi parasit malaria secara otomatis. Pengujian melalui mikroskop merupakan metode
Penelitian ini bertujuan untuk mengusulkan metode konvensional yang menjadi standar penegakan untuk
pengolahan citra yang dapat digunakan untuk identifikasi diagnosis malaria. Namun, proses tersebut memakan waktu
stadium parasit malaria Plasmodium vivax. Berdasarkan citra dan bergantung pada kualitas peralatan. Selain itu,
mikroskopis sediaan darah, stadium Plasmodium vivax pengalaman dan keahlian dokter ataupun ahli patologi dapat
diidentifikasi dan diklasifikasikan menjadi trofozoit, skizon, berpengaruh pada akurasi hasil diagnosis. Kesalahan
dan gametosit. Metode yang digunakan pada penelitian ini di diagnosis dan perawatan medis yang tidak tepat dapat
antaranya mengubah citra RGB ke kanal S (saturation) pada
mengakibatkan hal fatal, seperti kematian pasien. Hal
ruang warna HSV, lalu segmentasi dan operasi morfologi.
Selanjutnya dilakukan ekstraksi fitur tekstur, ukuran, serta
tersebut yang mendorong dikembangkannya sistem
bentuk. Fitur-fitur yang didapatkan kemudian diseleksi komputer untuk membantu proses diagnosis.
dengan metode Correlation-based Feature Selection (CSF) dan Diagnosis dengan sistem berbantuan komputer pada
untuk proses klasifikasinya digunakan metode Support Vector penyakit malaria akan mengutamakan kinerja pengolahan
Machine (SVM). Hasil evaluasi pada 30 citra sediaan darah citra, sehingga sistem dapat secara otomatis mengidentifikasi
tipis menunjukkan bahwa metode yang diusulkan parasit di sel darah merah melalui citra mikroskopis sediaan
mendapatkan nilai akurasi sebesar 64%.
darah pasien. Dengan adanya sistem berbantuan komputer
Kata kunci—malaria, stadium, Plasmodium vivax, CFS,
akan membantu dokter atau ahli patologi dalam
SVM mendiagnosis penyakit malaria, sehingga potensi terjadinya
kesalahan dapat dikurangi dan pasien bisa mendapatkan
perawatan medis yang tepat dengan segera. Penelitian ini
I. PENDAHULUAN bertujuan untuk mengusulkan metode pengolahan citra yang
Malaria adalah jenis penyakit yang menyerang sel darah dapat digunakan untuk identifikasi stadium parasit malaria.
merah akibat infeksi parasit dari genus Plasmodium yang Metode seperti penerapan ruang warna HSV, operasi
ditularkan melalui gigitan nyamuk Anopheles betina. Spesies morfologi, ekstraksi fitur, dan seleksi fitur diterapkan untuk
parasit malaria yang menginfeksi manusia ada empat, yaitu dapat mengklasifikasi setiap stadium parasit. Sistem nantinya
Plasmodium vivax, Plasmodium ovale, Plasmodium dapat mengidentifikasi parasit malaria dengan spesies
malariae, dan Plasmodium falciparum [1]. Penyakit malaria Plasmodium vivax untuk penegakan diagnosis penyakit
masih menjadi masalah kesehatan di dunia termasuk malaria vivax atau malaria tertiana.
Indonesia. Persebaran malaria di Indonesia berada di bagian
Bagian selanjutnya dari penelitian ini akan disusun
timur, khususnya Nusa Tenggara Timur (Kepulauan Sunda
sebagai berikut. Bagian kedua menyajikan landasan teori
Kecil), Maluku, dan Papua. Kelompok dengan tingkat risiko
disertai penelitian sejenis. Bagian ketiga menyajikan
tinggi ada pada anak-anak dan ibu hamil. Plasmodium vivax
metodologi penelitian sistem yang diusulkan. Hasil dan
merupakan salah satu spesies yang banyak menginfeksi
pembahasan akan disajikan di bagian keempat, sedangkan
manusia dan menyebabkan penyakit malaria vivax atau
kesimpulan dan saran akan diberikan di bagian kelima.
tertiana. Spesies ini dapat menyebabkan ke kambuhan
setelah infeksi primer, karena adanya aktivasi parasit yang
tidak aktif. Berdasarkan data dari WHO, pada tahun 2013 II. LANDASAN TEORI
Indonesia telah melaporkan 150.985 kasus yang dikonfirmasi
A. Morfologi Stadium Plasmodium
*Penulis Korespondensi
Parasit Plasmodium memiliki karakteristik adanya siklus B. HSV (Hue Saturation Value)
hidup yang berlangsung dalam dua tahap, yaitu secara HSV merupakan ruang warna yang terdiri dari Hue,
aseksual dan seksual. Perkembangbiakan secara aseksual Saturation, dan Value. Hue adalah kanal yang menunjukkan
terjadi di tubuh manusia, sedangkan secara seksual terjadi di jenis warna. Saturation adalah kanal yang menunjukkan
tubuh nyamuk Anopheles betina [1]. Tahap aseksual di tubuh tingkatan (kepucatan) warna. Sedangkan value adalah kanal
manusia terbagi lagi menjadi fase exo-erythrocytic pada hati yang menunjukkan kecerahan warna [5]. Ruang warna HSV
dan fase erythrocytic pada darah. Di fase erythrocytic inilah cocok digunakan pada pengolahan citra untuk melakukan
parasit berkembang biak menjadi tiga stadium yang biasa object tracking berdasarkan warna dari objek yang
terlihat pada proses identifikasi penyakit malaria. Tiga diidentifikasi.
stadium tersebut adalah trofozoit, skizon, dan gametosit.
Gambar 1 menunjukkan ilustrasi dari siklus hidup
C. Operasi Morfologi
Plasmodium.
Operasi morfologi adalah metode dalam pengolahan citra
untuk tujuan memperbaiki hasil segmentasi. Proses ini
diterapkan pada citra biner agar struktur bentuk objeknya
berubah. Objek pada citra akan mengalami penambahan atau
pengurangan bentuk jika dikenai oleh structuring element
(strel) [5].
Erosi adalah operasi morfologi yang akan menipiskan
objek pada citra. Proses erosi dilakukan dengan
mengurangi piksel objek sesuai structuring element
(strel) yang digunakan.
Dilasi adalah operasi morfologi yang akan
menebalkan objek pada citra. Proses dilasi dilakukan
dengan menambahkan piksel objek sesuai structuring
element (strel) yang digunakan.
F. Penelitian Sejenis
Berbagai penelitian telah dilakukan untuk membuat
solusi dalam menangani kasus malaria dengan pengolahan
citra digital. Perbandingan hasil segmentasi pada setiap kanal
ruang warna dilakukan oleh Agus et al. untuk memunculkan
fitur dari parasit malaria. Penelitian dilakukan dengan
menggunakan kanal ruang warna HSV, l*a*b, dan RGB.
(a) (b) Berdasarkan hasil penelitian, disimpulkan bahwa kanal S
(saturation) pada ruang warna HSV menjadi kanal yang
ideal untuk mendeteksi keberadaan parasit malaria pada sel
darah merah [8].
Penelitian yang dilakukan oleh Kurnianda menerapkan
metode HSV dan operasi morfologi untuk menghitung
jumlah parasit dan mengetahui stadium Plasmodium vivax.
Metode HSV diterapkan untuk ekstraksi fitur warna parasit
lalu dilanjutkan dengan operasi morfologi. Selanjutnya setiap
objek pada citra akan dilabeli untuk menghitung jumlah
(c) parasit yang ada dengan metode labelling. Kemudian untuk
proses identifikasi stadium parasit digunakan metode blob
Gambar 2. Plasmodium vivax stadium: a) trofozoit, b) analysis dengan kombinasi forward chaining. Penggunaan
skizon, dan c) gametosit metode-metode tersebut berhasil mengidentifikasi stadium
dan jumlah parasit. Nilai akurasi yang berhasil didapatkan dari sediaan darah tipis yang terinfeksi parasit Plasmodium
dari 100 citra parasit adalah 62% untuk identifikasi jumlah vivax dan di digitalisasi. Objek mengalami pembesaran
parasit dan 90% untuk identifikasi jenis stadium parasit [9]. sebanyak 1000 kali dari ukuran asli. Citra yang dihasilkan
berukuran 2560x2048 piksel dengan format .jpg. Terdapat 30
Penelitian oleh I.M.D. Maysanjaya et al. melakukan citra yang terdiri dari stadium trofozoit, skizon, dan
seleksi fitur untuk melihat pengaruhnya terhadap hasil gametosit.
klasifikasi stadium dengan dua metode, Correlation-based
Feature Selection (CFS) dan Wrapper Subset Evaluation.
Hasil penelitian ini membuktikan metode seleksi fitur B. Pre-processing
memberikan pengaruh pada hasil klasifikasi stadium Pre-processing merupakan proses yang dilakukan dengan
Plasmodium vivax. Dari total 21 fitur yang didapat pada tujuan meningkatkan kualitas citra agar sesuai untuk langkah
proses ekstraksi, CFS menghasilkan 8 fitur dengan akurasi selanjutnya. Pada penelitian ini, citra hasil akuisisi dipotong
sebesar 93,15% sedangkan Wrapper mampu menghasilkan 6 untuk mendapatkan Region of Interest (ROI) parasit.
fitur dengan akurasi sebesar 97,29% [10]. Selanjutnya citra RGB diubah ke ruang warna HSV.
Kemudian citra dari kanal S dari ruang warna HSV akan
Identifikasi parasit malaria juga dilakukan oleh digunakan untuk segmentasi, hal ini karena kanal tersebut
Muhimmah et al.. Pada penelitiannya, parasit malaria yang dapat menampilkan parasit dengan lebih jelas.
diidentifikasi adalah Plasmodium falciparum dengan stadium
trofozoit, skizon, dan gametosit. Fitur-fitur yang didapat
C. Segmentasi
pada proses ekstraksi selanjutnya di seleksi. Hasil dari
seleksi fitur tersebut kemudian digunakan untuk proses Citra dari kanal S di segmentasi untuk memisahkan objek
klasifikasi. Metode klasifikasi yang digunakan adalah dan latar belakang. Penelitian ini menggunakan metode
Support Vector Machine (SVM) one-versus-all. Penelitian segmentasi thresholding yang akan mengubah citra menjadi
ini berhasil mendeteksi parasit sesuai stadiumnya dengan biner. Hasil segmentasi kemudian diperbaiki struktur
akurasi senilai 83,252% [11]. bentuknya dengan operasi morfologi, yaitu erosi dan dilasi.
Penelitian yang dilakukan oleh Kurnianda dan I.M.D. D. Ekstraksi Fitur
Maysanjaya et al. menggunakan citra ruang warna HSV
untuk memunculkan parasit, karena dengan ruang warna Ekstraksi fitur adalah tahap pengambilan fitur dari objek
tersebut parasit dapat terlihat lebih jelas sama seperti yang tertentu pada citra yang ingin dikenali. Fitur yang didapat
telah dibuktikan oleh penelitian Agus et al. Namun, akan menjadi informasi penting untuk tahap klasifikasi dan
Kurnianda hanya melakukan labelling dan blob analysis identifikasi. Ekstraksi fitur dilakukan setelah segmentasi
untuk proses identifikasi stadium parasit, sedangkan I.M.D. citra. Pada penelitian ini, fitur citra dari setiap stadium
Maysanjaya et al. dan Muhimmah et al. melakukan ekstraksi diekstraksi berdasarkan tekstur, ukuran, dan bentuk.
fitur serta melakukan seleksi pada fitur yang telah
didapatkan. Penelitian ini menggabungkan beberapa metode E. Seleksi Fitur
di atas untuk mendeteksi stadium parasit. Hasil akhirnya Seleksi fitur dilakukan dengan tujuan memperbaiki fitur-
akan terlihat berapa nilai akurasi sistem dalam fitur yang akan digunakan pada proses klasifikasi agar dapat
mengidentifikasi setiap stadium. Dalam proses penelitian ini meningkatkan hasil akurasi, menghilangkan fitur yang tidak
bertujuan untuk membuat sistem yang dapat membantu perlu, serta memangkas waktu komputasi. Metode ini
mengidentifikasi stadium parasit. dikatakan efektif jika berhasil menghasilkan fitur sesedikit
mungkin dengan akurasi yang tinggi.
III. METODELOGI PENELITIAN
F. Klasifikasi
Alur pengolahan citra penelitian ini dapat dilihat pada
diagram di Gambar 3. Klasifikasi bertujuan untuk mengelompokkan objek pada
citra sesuai dengan ciri-cirinya. Proses ini dilakukan untuk
menemukan fitur yang paling sesuai menjelaskan atau
membedakan kelas objek.
G. Evaluasi Hasil
Evaluasi hasil dilakukan untuk melihat keberhasilan
sistem dalam melakukan klasifikasi untuk mengidentifikasi
setiap stadium parasit. Evaluasi hasil didapatkan dari
pengujian yang dilakukan melalui perangkat lunak Weka.
IV. HASIL DAN PEMBAHASAN
Citra yang diperoleh dari hasil akuisisi kemudian
memasuki tahap pre-processing. Pada tahap ini citra
dipotong menjadi ukuran 300x300 piksel untuk mendapatkan
Gambar 3. Alur pengolahan citra Region of Interest (ROI) parasit yang akan diidentifikasi.
Sebanyak 39 citra parasit malaria diperoleh dengan tiga
A. Akuisisi Citra stadium, yaitu 18 stadium trofozoit, 6 stadium skizon, dan 15
Citra mikroskopis yang digunakan pada penelitian ini stadium gametosit. Gambar 4 menunjukkan hasil
diperoleh dari Laboratorium Parasitologi Fakultas pemotongan citra berdasarkan ROI parasit.
Kedokteran Universitas Islam Indonesia. Citra di akuisisi
diameter, major axis length, minor axis length, dan
perimeter. Fitur bentuk menggunakan circularity,
eccentricity, elongation, roundness, dan solidity.
Ekstraksi fitur tekstur memerlukan citra berjenis
grayscale, oleh karena itu dilakukan konversi citra RGB ke
grayscale. Hasil dari konversi tersebut kemudian digunakan
untuk proses ekstraksi fitur tekstur. Sedangkan untuk
(a) (b) (c) ekstraksi ukuran dan bentuk digunakan citra biner dari hasil
segmentasi.
Gambar 4. Hasil pemotongan citra Plasmodium vivax
stadium: a) trofozoit, b) skizon, dan c) gametosit Selanjutnya dilakukan seleksi pada fitur yang telah
didapatkan. Penelitian ini menggunakan metode Correlation-
Citra ROI tersebut kemudian diubah dari ruang warna based Feature Selection (CFS) untuk menyeleksi fitur yang
RGB menjadi HSV. Parasit pada kanal S akan memiliki sudah didapatkan. Seleksi atribut menggunakan metode “best
warna yang lebih terang jika dibandingkan dengan objek first” dengan 10-folds cross validation. Hasilnya didapatkan
yang bukan parasit. Oleh karena itu, citra dari kanal S akan tiga fitur yang berhasil diseleksi dan digunakan untuk proses
digunakan untuk proses segmentasi. Gambar 5 menunjukkan klasifikasi, yaitu energy, major axis length, dan solidity.
perbedaan citra RGB dan citra HSV pada kanal S. Gambar 7 menunjukkan hasil dari seleksi fitur melalui
perangkat lunak Weka.
REFERENCES
[1] A. Prabowo, Malaria, Mencegah dan Mengatasinya. Jakarta:
Puspa Swara, 2004.
[2] C. Surjadjaja, A. Surya, and J. K. Baird, “Epidemiology of
Plasmodium vivax in Indonesia,” Am. J. Trop. Med. Hyg., vol.
95, no. 69, pp. 121–132, 2016, doi: 10.4269/ajtmh.16-0093.
[3] World Health Organization, Basic malaria microscopy – Part I:
(a)
Learner’s guide. Second edition, 2nd Editio. Geneva: World
Health Organization, 2010.
[4] Global Health Division of Parasitic Diseases and Malaria, “CDC
- DPDx - Malaria,” cdc.gov, 2020.
https://www.cdc.gov/dpdx/malaria/index.html (accessed Oct. 20,
2020).
[5] P. Hidayatullah, Pengolahan Citra Digital Teori dan Aplikasi
Nyata. Bandung: INFORMATIKA, 2017.
[6] M. A. Hall, “Correlation-based Feature Selection for Machine
Learning,” no. April, 1999.
(b) [7] A. S. Nugroho, A. B. Witarto, and D. Handoko, “Support Vector
Machine Teori dan Aplikasinya dalam Bioinformatika,” Kuliah
Umum IlmuKomputer.Com, 2003, doi:
10.1109/CCDC.2011.5968300.
[8] I. M. Agus, W. Putra, B. Made, S. Nirmala, and M. Liandana,
“Perbandingan Hasil Segmentasi pada Masing-Masing Kanal
Ruang Warna untuk Memunculkan Fitur Plasmodium pada Thin
Blood Films,” no. Senapati, 2016.
[9] R. Kurnianda, “Penerapan HSV dan Operasi Morfologi Untuk
Menghitung Jumlah Parasit Plasmodium Vivax Pada Sel
Eritrosit,” 2019.
(c)
[10] I. M. D. Maysanjaya, M. S. Wibawa, and I. M. A. W. Putra,
Gambar 8. Scatter plot fitur hasil seleksi: a) Fitur energy “Pengaruh Seleksi Fitur Terhadap Hasil Klasifikasi Fase
(sumbu x) dan major (sumbu y), b) Fitur energy (sumbu x) Plasmodium vivax Pada Citra Mikroskopis Digital Sediaan Darah
dan solidity (sumbu y), serta c) Fitur major (sumbu x) dan Tipis,” Semin. Nas. Pendidik. Tek. Inform. Ke-8, no. 7, pp. 96–
solidity (sumbu y)
101, 2017.
[11] I. Muhimmah, N. Harniawati, and N. Lusiyana, “Characteristics
V. KESIMPULAN DAN SARAN
determination of infected erithrocytes by plasmodium falciparum
Berdasarkan data yang telah diuji dengan perangkat as a diagnostic of malaria, based on microscopic images,” 2017
lunak Weka, didapatkan hasil akurasi sebesar 64%. Sistem Int. Conf. Adv. Comput. Commun. Informatics, ICACCI 2017,
berhasil melakukan klasifikasi pada semua stadium trofozoit vol. 2017-Janua, pp. 1844–1847, 2017, doi:
dengan benar. Lalu untuk stadium gametosit yang berhasil di
10.1109/ICACCI.2017.8126113.
klasifikasi hanya sebagian, yang lainnya terdeteksi sebagai
trofozoit. Sedangkan untuk stadium skizon, sistem masih
belum bisa mengklasifikasinya. Semua skizon terdeteksi