PENDETEKSIANTUMOROTAKDENGANMENGGUNAKANMETODESEGMENTASIOTSU RIFKI KOSASIH Revisi
PENDETEKSIANTUMOROTAKDENGANMENGGUNAKANMETODESEGMENTASIOTSU RIFKI KOSASIH Revisi
net/publication/335778148
CITATIONS READS
0 328
1 author:
Rifki Kosasih
Universitas Gunadarma
11 PUBLICATIONS 7 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Rifki Kosasih on 12 September 2019.
ABSTRAK
Segmentasi citra merupakan suatu proses membagi citra menjadi beberapa wilayah. Di
bidang kedokteran, segmentasi citra sangat penting dilakukan untuk memperoleh objek
yang diinginkan salah satunya adalah mendeteksi tumor otak. Tumor otak merupakan
suatu penyakit yang berada dalam jaringan otak. Untuk mendeteksi tumor otak
dibutuhkan suatu alat pemeriksaan digital seperti CT Scan, Magnetic Resonance Imaging
(MRI) dan Near infrared fluorescence. Dalam penelitian ini untuk mendeteksi adanya
tumor otak digunakan Near infrared fluorescence dan metode segmentasi yang
digunakan adalah metode otsu dan morfologi citra. Dari hasil penelitian, metode
segmentasi otsu merupakan metode yang baik digunakan untuk mendeteksi tumor otak.
Kata Kunci : Segmentasi Citra, Otsu, Morfologi Citra, MRI, Near infrared fluorescence
1. PENDAHULUAN
Tumor otak adalah tumor yang timbul di dalam sistem saraf pusat (Liau L
, 2001). Jika sel-sel tumor berasal dari jaringan otak itu sendiri maka disebut
dengan tumor otak primer dan jika berasal dari organ-organ lain maka disebut
dengan tumor otak metastase (Huff dan Ropper, 2009). Untuk mendeteksi adanya
tumor otak dibutuhkan suatu alat pemeriksaan digital. Berikut ini adalah alat
pemeriksaan digital yang biasa dipakai untuk mendeteksi tumor otak :
1. Rontgen foto (X-ray), dilakukan pada wilayah sekitar kepala sebagai screening
test. Jika ada tanda-tanda peninggian tekanan intra kranial, akan memperkuat
indikasi perlunya dilakukan pemeriksaan lebih lanjut.
2. Angiografi, merupakan suatu pemeriksaan dengan cara menyuntikkan bahan
kontras ke dalam pembuluh darah leher agar dapat melihat gambaran peredaran
darah otak
3. Computerized Tomography (CT-Scan kepala) digunakan untuk menentukan
lokasi tumor (Schober O, 2010)
4. Magnetic Resonance Imaging (MRI), digunakan untuk menentukan lokasi
tumor otak. Gambar otak tersebut dihasilkan ketika medan magnet berinteraksi
dengan jaringan pasien itu (Freedman J, 2009)
5. Citra near-infrared fluorescence juga digunakan untuk menentukan lokasi
tumor otak. Citra otak yang dihasilkan merupakan citra berwarna sehingga
tumor otak akan terlihat dengan jelas.
Dalam penelitian ini digunakan citra hasil near-infrared fluorescence.
Setelah menggunakan pendeteksian dengan menggunakan citra near-infrared
fluorescence, tahapan selanjutnya adalah melakukan segmentasi lokasi tumor otak
untuk mendapatkan informasi seberapa besar tumor tesebut.
Beberapa peneliti telah melakukan segmentasi seperti Zhang melakukan
segmentasi tumor otak pada citra MRI dengan menggunakan algoritma Hidden
Markov Random Field Model dan the Expectation-Maximization (Zhang L et al,
2001). Akan tetapi metode ini kurang akurat dalam mendeteksi tumor otak.
Selanjutnya ahmed menggunakan modifikasi fuzzy c mean, akan tetapi metode ini
terbatas untuk satu fitur tunggal (Ahmed M, 2010).
Kemudian Padole dan Chaudhari menggunakan kombinasi algoritma mean
shift dan normalized cut untuk mendeteksi tumor otak pada citra MRI (Padole dan
Chaudhari, 2012). Hasil segmentasi ini kurang akurat jika tepi dari daerah tumor
tidak rata. Berikutnya Roy dan Bandyopadhyay menggunakan metode symmetric
analysis untuk mendeteksi tumor otak dengan perhitungan pada area tumor (Roy
dan Bandyopadhyay, 2012).
Dalam penelitian ini dilakukan segmentasi tumor otak dengan
menggunakan metode pengambangan otsu.
2. METODE PENELITIAN
Pada penelitian ini citra yang digunakan adalah citra hasil near-infrared
fluorescence seperti pada Gambar 2. Dari Gambar 2 dapat dilihat bahwa tumor
otak berwarna merah.
Gambar 2. Citra tumor otak dengan menggunakan Near infrared fluorescence
Untuk melakukan pendeteksian seberapa besar ukuran tumor dilakukan
segmentasi. Segmentasi yang digunakan adalah dengan metode pengambangan.
Nilai yang lebih kecil daripada nilai ambang diperlakukan sebagai area pertama
dan yang lebih besar daripada atau sama dengan nilai ambang dikelompokkan
sebagai area yang kedua. Dalam hal ini, salah satu area tersebut berkedudukan
sebagai latarbelakang dan area yang kedua adalah objek tumor otak. Formula
pengambangan dapat dilihat pada persamaan 1
(1)
3
Akan tetapi metode pengambangan ini mempunyai beberapa kelemahan
(Kadir A dan Susanto A, 2012) seperti :
a. tidak memperlihatkan hubungan spasial antarpiksel;
b. sensitif terhadap pencahayaan yang tidak seragam;
c. hanya berlaku untuk keadaan yang ideal (misalnya, latarbelakang
hitam dan objek berwarna putih).
Metode Otsu diperkenalkan oleh Nobuyuki Otsu pada tahun 1979. Metode
ini menentukan nilai ambang batas dengan cara membedakan dua kelompok yaitu
objek dan latar belakang (Kadir A dan Susanto A, 2012). Objek dan latar
belakang memiliki bagian yang saling bertumpukan, hal ini dapat dilihat dari
histogram.
Kelas 1 Kelas 2
Gambar 4. Histogram penentuan nilai ambang untuk objek dan latar belakang
(2)
(3)
(4)
(6)
(7)
(8)
Varians total dapat dinyatakan dengan persamaan 9:
(9)
Dengan adalah within-class variance (WCV) dan adalah between-class
variance (BCV).
WCV dapat dinyatakan dengan persamaan 10:
(10)
Persamaan 10 menunjukkan bahwa WCV adalah jumlah varians kelas secara
individual yang telah diboboti dengan probabilitas kelas masing-masing.
Sedangkan BCV dinyatakan dengan persamaan 11
(11)
Dengan mT adalah rerata total ( ).
Nilai ambang optimum dapat diperoleh dengan dua cara. Cara pertama
dilaksanakan dengan meminimumkan WCV. Cara kedua dilaksanakan dengan
memaksimumkan BCV. Namun, berdasarkan kedua cara tersebut, cara yang
kedua lebih menghemat komputasi (Kadir A dan Susanto A, 2012).
Hasil dari pengambangan dengan metode otsu adalah citra biner. Dalam
penelitian ini terdapat dua citra biner hasil pengambangan otsu yaitu citra biner
dari citra berwarna dan citra biner dari citra abu-abu. Tahapan selanjutnya adalah
melakukan operasi pengurangan kedua citra biner tersebut untuk menghasilkan
citra biner tumor otak. Setelah itu dilakukan morfologi citra untuk memperbaiki
objek yang telah dihasilkan.
Operasi morfologi merupakan operasi yang umum dikenakan pada citra
biner (hitam-putih) untuk mengubah struktur bentuk objek yang terkandung dalam
citra (Kadir A dan Susanto A, 2012). Beberapa contoh lain aplikasi morfologi
adalah Memperoleh rangka objek, menentukan letak objek di dalam citra,
menghaluskan kontur dan menghilangkan lubang-lubang kecil.
Inti dari operasi morfologi adalah menggunakan dua larik piksel yaitu larik
pertama berupa citra yang akan dikenai operasi morfologi, sedangkan larik kedua
dinamakan sebagai kernel atau structuring element (elemen penstruktur).
Dua operasi yang mendasari morfologi yaitu dilasi dan erosi. Operasi erosi
dapat dimanfaatkan untuk memperoleh tepi objek. Dua operasi lain yang berguna
dalam pemrosesan citra adalah opening dan closing dibentuk melalui dua operasi
dilasi dan erosi.
5
3. HASIL DAN PEMBAHASAN
Selanjutnya menentukan titik ambang dari citra berwarna dan citra abu-
abu dengan menggunakan metode otsu. Untuk citra berwarna titik ambang yang
diperoleh adalah 94 dan citra abu-abu titik ambang yang diperoleh adalah 93.
Langkah selanjutnya adalah melakukan pengambangan citra. Hasil pengambangan
citra dapat dilihat pada Gambar 6 a dan 6 b.
a
b
Gambar 6. a. Citra biner hasil pengambang otsu pada citra berwarna
b. Citra biner hasil pengambang otsu pada citra abu-abu
7
Gambar 8. Citra biner hasil morfologi Citra
Pada Gambar 8, dapat dilihat bahwa wilayah yang tidak diinginkan sudah
hilang dari wilayah tumor otak.
Tahapan terakhir adalah melakukan pendeteksian tumor otak
menggunakan citra biner hasil morfologi. Citra pendeteksian tumor otak dapak
dilihat pada Gambar 9.
Dari Gambar 9 dapat dilihat bahwa wilayah tumor yang berwarna merah
dapat dideteksi dengan garis tepi hasil dari segmentasi menggunakan
pengambangan otsu.
4. KESIMPULAN
DAFTAR PUSTAKA