See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/335778148

PENDETEKSIAN TUMOR OTAK DENGAN MENGGUNAKAN METODE

SEGMENTASI OTSU

Article · August 2017

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:

Image processing View project

All content following this page was uploaded by Rifki Kosasih on 12 September 2019.

The user has requested enhancement of the downloaded file.

PENDETEKSIAN TUMOR OTAK DENGAN MENGGUNAKAN
METODE SEGMENTASI OTSU
1
Rifki Kosasih
1
Pusat Studi Komputasi Matematika Universitas Gunadarma
(rifki_kosasih@staff.gunadarma.ac.id)

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

Dalam bab ini dijelaskan tahapan segmentasi tumor otak dengan

menggunakan pengambangan otsu. Tahapan tersebut dapat dilihat pada Gambar 1.

Mengubah citra Mencari titik ambang

Citra Berwarna warna menjadi citra citra tumor dengan
Tumor Otak abu-abu menggunakan
metode otsu

Melakukan operasi Citra biner dari citra Melakukan

pengurangan Citra berwarna dan citra pengambangan citra
biner yang telah abu-abu berwarna dan citra
diperoleh abu-abu

Citra biner tumor

otak Citra Deteksi
Tumor Otak

Gambar 1. Tahapan Penelitian Pendeteksian Tumor Otak

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)

Tahapan selanjutnya dalam penelitian ini adalah mengubah citra berwarna

menjadi citra abu-abu. Setelah mendapatkan citra abu-abu dilakukan
pengambangan citra dengan menggunakan metode otsu. Metode otsu digunakan
untuk memperoleh titik ambang batas.
Salah satu cara untuk menentukan nilai ambang adalah dengan melihat
histogram citra. Seperti pada Gambar 3. Berdasarkan histogram pada Gambar 3,
pemisahan dapat dilakukan dengan memilih nilai ambang pada bagian lembah.
Pada histogram tersebut nilai di sekitar 100 dapat digunakan sebagai nilai
ambang.

Gambar 3. Contoh mencari nilai ambang menggunakan histogram

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).

Sehingga dibutuhkan teknik pengambangan lain, seperti pengambangan

Otsu.

2.1 Pengambangan dengan Metode Otsu

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.

Nilai ambang (t)

Kelas 1 Kelas 2

Gambar 4. Histogram penentuan nilai ambang untuk objek dan latar belakang

berdasarkan histogram (Gambar 4) Prinsip metode Otsu adalah menggunakan

probabilitas nilai intensitas i dalam histogram yang dihitung dengan persamaan 2.

(2)

dengan ni menyatakan jumlah piksel berintensitas i dan N menyatakan jumlah

semua piksel dalam citra.
Jika histogram dibagi menjadi dua kelas (objek dan latarbelakang),
pembobotan pada kedua kelas dinyatakan dengan persamaan 3 dan 4:

(3)

(4)

Dalam hal ini, L menyatakan jumlah aras keabuan.

Rerata kedua kelas dihitung dengan persamaan 5 dan 6:
 (5)

(6)

Varians kedua kelas dinyatakan dengan persamaan 7 dan 8:

(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

Berdasarkan tahapan penelitian citra berwarna tumor otak diubah menjadi

citra abu-abu seperti Gambar 5.

Gambar 5. Citra abu-abu tumor otak

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

Selanjutnya lakukan pengurangan dua citra biner hasil pengambangan.

Hasil pengurangan tersebut dapat dilihat pada Gambar 7.

Gambar 7. Citra biner hasil pengurangan 2 citra

Pada Gambar 7 terlihat terdapat objek yang tidak diinginkan, sehingga

digunakan metode morfologi citra untuk menghilangkan objek yang tidak
diinginkan.
Hasil morfologi citra dapat dilihat pada Gambar 8.

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.

Gambar 9. Citra pendeteksian tumor otak

Dari Gambar 9 dapat dilihat bahwa wilayah tumor yang berwarna merah
dapat dideteksi dengan garis tepi hasil dari segmentasi menggunakan
pengambangan otsu.

4. KESIMPULAN

Tumor otak merupakan penyakit yang sangat berbahaya bagi manusia.

Secara umum gejala tumor otak bisa dilihat dengan perilaku seperti mudah lelah,
kurang konsentrasi, sakit kepala dan vertigo. Jika terjadi gejala seperti itu,
 dibutuhkan suatu pemeriksaan, salah satunya adalah pemeriksaan digital.
Pemeriksaan digital dapat menggunakan CT Scan, Magnetic Resonance Imaging
(MRI), dan Near infrared florescence. Dalam penelitian ini digunakan Near
infrared fluorescence imaging. Tahapan selanjutnya adalah melakukan
pendeteksian tumor otak, dalam penelitian ini dilakukan segmentasi otsu untuk
memperoleh wilayah tumor otak. Dari hasil penelitian dapat dilihat bahwa hasil
segmentasi dengan metode otsu sangat baik digunakan dalam mendeteksi tumor
otak.
Akan tetapi penelitian ini belum sampai mendapatkan besaran tumor otak
sehingga untuk penelitian selanjutnya adalah dilakukan pengukuran seberapa
besar tumor otak dan memperbanyak data tumor otak. Penelitian selanjutnya akan
dilakukan pendeteksian tumor otak pada citra yang lain seperti CT Scan, Magnetic
Resonance Imaging (MRI).

DAFTAR PUSTAKA

[1]. Ahmed, M., dan Mohammad, D. (2010). Segmentation of Brain MR images

for Tumor Extraction by Combining Kmeans Clustering and Perona Malik
Anisotropic Diffusion Model. International Journal of Image Processing,
Volume (2):Issue(I) 27.
[2]. Freedman, J. (2009). Brain Cancer : Current and Emerging Trends In
Detection and Treatment. 1st ed. New York: Rosen
[3]. Huff dan Ropper, J.S. (2009). Neoplasm, Brain.
[4]. Liau, L.M., Becker, D.P., Cloughesy, T.F., Bigner, D.D. (2001), Brain Tumor
Immunotherapy. New Jersey: Human Press
[5]. Kadir,A., dan Susanto, A. (2012). Teori dan Aplikasi pengolahan citra,
Yoyakarta: Andi ISBN. : 978-979-29-3430-4
[6]. Padole, V.P., dan Chaudhari, D.S. (2012). Detection of Brain Tumor in MRI
Images Using Mean Shift Algorithm and Normalized Cut Method,
International Journal of Engineering and Advanced Technology.
[7]. Roy,S dan Bandyopadhyay, S.K. (2012). Detection and Quantification of
Brain Tumor from MRI of Brain and it’s Symmetric Analysis, International
Journal of Information and Communication Technology Research, Volume 2
No. 6.
[8]. Zhang, Y., Brady, M., dan Smith, S. (2001). Segmentation of Brain MR
Images through a Hidden Markov Random Field Model and the Expectation-
Maximization A1lgorithm, Proceedings of the IEEE transaction on Medical
Images.

View publication stats