Identifikasi Retinoblastoma Menggunakan Backpropagation Neural Network
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Retinoblastoma (kanker mata) adalah penyakit kanker pada mata yang biasanya diderita
oleh anak-anak yang menyerang jaringan saraf tipis yang berada di belakang mata
(bagian yang sensitif terhadap cahaya). Retinoblastoma dapat menyerang satu ataupun
kedua mata dan merupakan jenis penyakit yang dapat disebabkan oleh mutasi genetik
yang biasa disebut dengan Retinoblastoma1 (RB1). Selain dapat menyebabkan
kebutaan, penyakit ini juga dapat menyebabkan kematian.
Penyakit RB menempati urutan ketiga terbanyak di dunia setelah kanker darah
(leukemia) dan kanker otak. Di banyak negara berkembang, jumlah kasus
retinoblastoma diperkirakan 1 per 15.000 - 1 per 20.000 dari angka kelahiran hidup.
Di Indonesia, diprediksi tiap tahun ada seratus penderita kanker baru dari 100.000
penduduk, sebanyak 2% di antaranya atau 4.100 kasus merupakan kanker anak. Angka
ini terus meningkat karena kurangnya pemahaman orang tua mengenai penyakit kanker
dan bahayanya (Edi & Siswono, 2009). Berdasarkan data dari RSCM Jakarta,
retinoblastoma menjadi kasus dengan pasien terbesar kedua di Indonesia hingga kuartal
pertama 2017. Pasien retinoblastoma berkisar 25-30 kasus per tahun pada 1997. Sejak
2006, angka tersebut terus meningkat hingga 40 kasus per tahun.
Universitas Sumatera Utara
2
Terdapat beberapa gejala yang muncul pada penderita penyakit retinoblastoma.
Gejala yang paling umum dari penyakit ini adalah terdapatnya manik mata putih
(leukocoria) yang tampak pada bagian tengah mata (pupil). Gejala lain yang muncul
pada retinoblastoma yaitu strabismus (juling), munculnya benjolan pada mata, mata
menonjol keluar, mata merah, dan gangguan penglihatan.
Retinoblastoma biasanya dapat disembuhkan jika dideteksi lebih dini. Diagnosis
dini Retinoblastoma dapat memaksimalkan prognosis visual dan tingkat kelangsungan
hidup pasien. Jika tidak ditangani dengan segera, penyakit ini dapat berkembang dan
menyerang bagian lain pada tubuh serta membahayakan nyawa penderitanya. Angka
harapan hidup pasien retinoblastoma di negara berkembang mencapai 40 hingga 50
persen. Angka tersebut bahkan hanya 10 persen di Afrika. Jumlah ini berkebalikan
dengan negara maju yang mencapai 90 persen. Hal ini diakibatkan terlambatnya
deteksi sini dan pemberian terapi.
Kanker ini menyerang secara unilateral dengan rata-rata umur saat didiagnosis
adalah dua tahun, dalam 60% kasus. Dari jumlah tersebut, sebanyak 15% terkait
masalah keturunan. Sedangkan pada 40% kasus, RB menyerang secara bilateral
dengan rata-rata umur saat didiagnosis adalah satu tahun (Aerts et al., 2006).
Diagnosa penyakit ini dapat dilakukan berdasarkan pemeriksan fisik dan pemeriksaan
penunjang seperti USG orbita, CT Scan Orbita, CT Scan kepala, foto toraks, dan bone
scan. Pemeriksaan fisik dapat dilakukan melalui oftalmoskopi yang dilakukan dokter
dengan melihat adanya lesi tumor berwarna putih / putih kekuningan pada fundus
yang sering dikaitkan dengan peningkatan vaskularisasi. Namun, analisis dari fundus
tersebut juga masih dilakukan secara manual oleh ahli atau dokter dan memungkinkan
terjadinya kesalahan (human error) dalam melakukan pemeriksaan.
Penelitian dengan memanfaatkan fundus retina dari kamera fundus sebelumnya
sudah dimanfaatkan untuk mengidentifikasi retinoblastoma melalui analisis citra
fundus dengan menggunakan Gaussian Filter, Fast Fourier Transform, kemudian
dilakukan Log Transform untuk mengkompres light pixels image (Balasundari et al.,
2016 ). Selain itu penelitian juga pernah dilakukan untuk mendeteksi retinoblastoma
Universitas Sumatera Utara
3
melalui citra iris mata dengan menggunakan metode wavelet transform setelah
sebelumnya
dilakukan
preprocessing
image
enhancement
median
filtering.
Selanjutnya dilakukan histogram equalization dan thresholding untuk membedakan
mata yang terkena kanker dan yang tidak terkena kanker (Gupta et al., 2015).
Pada penelitian kali ini, penulis mengajukan metode Backpropagation Neural
Network. Algoritma Backpropagation Neural Network merupakan salah satu jenis
artificial neural network (ANN) dengan beberapa unit hidden layer yang berada di
antara input dan output. Backpropagation Neural Network sebelumnya juga telah
dipakai untuk diagnosa gangguan lambung melalui iris mata (Priyani, 2009).
Berdasarkan latar belakang di atas, maka penulis mengajukan proposal penelitian
dengan judul “IDENTIFIKASI RETINOBLASTOMA DENGAN MENGGUNAKAN
BACKPROPAGATION NEURAL NETWORK”.
1.2. Rumusan Masalah
Retinoblastoma (kanker mata) biasanya diderita oleh anak-anak yang menyerang
jaringan saraf tipis yang berada di belakang mata (bagian yang sensitif terhadap
cahaya). Pada pemeriksaan fundus retina, salah satu dari tanda penyakit ini terlihat
dengan adanya tumor berwarna putih atau putih kekuningan. Pada umumnya, untuk
mengidentifikasi penyakit ini melalui fundus retina masih dilakukan secara manual
oleh
pakar
(dokter)
sehingga
memungkinkan
terjadinya
kesalahan
dalam
pendiagnosaan penyakit. Oleh karena itu, diperlukan suatu metode yang dapat
membantu pakar (dokter) dalam mendiagnosa penyakit retinoblastoma sehingga
diperoleh hasil pemeriksaan yang lebih baik daripada pendiagnosaan secara manual.
1.3. Batasan Masalah
Pada penelitian ini peneliti membuat batasan masalah untuk mencegah meluasnya
ruang lingkup permasalahan dalam penilitian ini. Adapun batasan masalah tersebut,
yaitu:
1. Deteksi retinoblastoma melalui tumor berwarna putih atau putih kekuningan pada
fundus retina.
Universitas Sumatera Utara
4
2. Citra yang digunakan adalah citra fundus retina dengan ekstensi .jpg.
3. Input yang digunakan sebagai dataset hanya berupa citra fundus normal dan
retinoblastoma yang diambil dari situs resmi Image Bank Retina yaitu
http://imagebank.asrs.org.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengidentifikasi retinoblastoma melalui
analisis citra fundus retina dengan menggunakan Backpropagation Neural Network.
1.5. Manfaat Penelitian
Adapun manfaat penelitian ini diantara lain yaitu:
1. Membantu pakar (dokter) dalam mendiagnosa retinoblastoma melalui citra fundus
retina.
2. Memberi masukan untuk penelitian lain dalam bidang medical image, image
processing dan neural network.
1.6. Metodologi
Adapun tahapan – tahapan yang akan dilakukan pada penelitian ini adalah :
1. Studi Literatur
Pada tahapan ini penulis mengumpulkan dan mempelajari informasi yang
diperoleh dari buku, skripsi, jurnal, dan berbagai sumber informasi lainnya.
Informasi yang berkaitan dengan penelitian tersebut seperti retinoblastoma,
grayscale, thresholding, morphological close operation, erosion, inversion, GrayLevel Co-Occurrence Matrix (GLCM) dan metode Backpropagation Neural
Network.
Universitas Sumatera Utara
5
2. Analisis Permasalahan
Pada tahap selanjutnya penulis menganalisis permasalahan dari informasi yang
didapat pada tahapan sebelumnya agar diperoleh metode yang tepat untuk
mengatasi masalah dalam penelitian ini.
3. Perancangan Sistem
Tahapan selanjutnya yaitu dilakukan perancangan sistem yang sesuai dari hasil
analisis permasalahan yang telah dilakukan. Pada penelitian ini, perancangan yang
dilakukan berupa perancangan arsitektur dan antarmuka sistem.
4. Implementasi
Pada tahap ini dilakukan implementasi berdasarkan analisis yang telah dilakukan
dalam bentuk pembuatan program sesuai dengan perancangan yang telah
dilakukan sebelumnya.
5. Pengujian
Tahap selanjutnya yaitu melakukan pengujian terhadap sistem yang telah
dibangun untuk menguji seberapa mampu metode Backpropagation Neural
Network dalam megidentifikasi penyakit retinoblastoma dan memastikan hasil
yang diperoleh sesuai dengan yang diharapkan.
6. Penyusunan Laporan
Pada tahap akhir dilakukan penulisan laporan dari keseluruhan penelitian yang
telah dilakukan.
1.7. Sistematika Penulisan
Sistematika dari penulisan skripsi ini terdiri dari lima bagian, yaitu :
Bab 1 : Pendahuluan
Bab ini membahas tentang latar belakang, rumusan masalah, batasan masalah, tujuan
penelitian, manfaat penelitian, metodologi penilitian dan sistematika penelitian.
Universitas Sumatera Utara
6
Bab 2 : Landasan Teori
Bab ini berisi tentang teori-teori penunjang yang digunakan untuk dapat memahami
permasalahan dari penelitian ini yaitu teori tentang retinoblastoma, image processing,
gray level cooccurrence matrix (glcm), Backpropagation neural network dan juga
tentang penelitian terdahulu.
Bab 3 : Analisis dan Perancangan
Bab ini berisi tentang analisis dari arsitektur umum dan metode yang digunakan dan
penerapannya
dalam
pembuatan
sistem
untuk
mengidentifikasi
penyakit
retinoblastoma.
Bab 4 : Implementasi dan Pengujian
Bab ini berisi tentang implementasi dari analisis dan perancangan sistem yang telah
dilakukan sebelumnya serta membahas tentang pengujian terhadap sistem yang telah
dibangun.
Bab 5 : Kesimpulan dan Saran
Bab ini berisi tentang kesimpulan dari keseluruhan penelitian yang telah dilakukan
dan saran yang diajukan untuk pengembangan untuk penelitian selanjutnya.
Universitas Sumatera Utara
PENDAHULUAN
1.1. Latar Belakang
Retinoblastoma (kanker mata) adalah penyakit kanker pada mata yang biasanya diderita
oleh anak-anak yang menyerang jaringan saraf tipis yang berada di belakang mata
(bagian yang sensitif terhadap cahaya). Retinoblastoma dapat menyerang satu ataupun
kedua mata dan merupakan jenis penyakit yang dapat disebabkan oleh mutasi genetik
yang biasa disebut dengan Retinoblastoma1 (RB1). Selain dapat menyebabkan
kebutaan, penyakit ini juga dapat menyebabkan kematian.
Penyakit RB menempati urutan ketiga terbanyak di dunia setelah kanker darah
(leukemia) dan kanker otak. Di banyak negara berkembang, jumlah kasus
retinoblastoma diperkirakan 1 per 15.000 - 1 per 20.000 dari angka kelahiran hidup.
Di Indonesia, diprediksi tiap tahun ada seratus penderita kanker baru dari 100.000
penduduk, sebanyak 2% di antaranya atau 4.100 kasus merupakan kanker anak. Angka
ini terus meningkat karena kurangnya pemahaman orang tua mengenai penyakit kanker
dan bahayanya (Edi & Siswono, 2009). Berdasarkan data dari RSCM Jakarta,
retinoblastoma menjadi kasus dengan pasien terbesar kedua di Indonesia hingga kuartal
pertama 2017. Pasien retinoblastoma berkisar 25-30 kasus per tahun pada 1997. Sejak
2006, angka tersebut terus meningkat hingga 40 kasus per tahun.
Universitas Sumatera Utara
2
Terdapat beberapa gejala yang muncul pada penderita penyakit retinoblastoma.
Gejala yang paling umum dari penyakit ini adalah terdapatnya manik mata putih
(leukocoria) yang tampak pada bagian tengah mata (pupil). Gejala lain yang muncul
pada retinoblastoma yaitu strabismus (juling), munculnya benjolan pada mata, mata
menonjol keluar, mata merah, dan gangguan penglihatan.
Retinoblastoma biasanya dapat disembuhkan jika dideteksi lebih dini. Diagnosis
dini Retinoblastoma dapat memaksimalkan prognosis visual dan tingkat kelangsungan
hidup pasien. Jika tidak ditangani dengan segera, penyakit ini dapat berkembang dan
menyerang bagian lain pada tubuh serta membahayakan nyawa penderitanya. Angka
harapan hidup pasien retinoblastoma di negara berkembang mencapai 40 hingga 50
persen. Angka tersebut bahkan hanya 10 persen di Afrika. Jumlah ini berkebalikan
dengan negara maju yang mencapai 90 persen. Hal ini diakibatkan terlambatnya
deteksi sini dan pemberian terapi.
Kanker ini menyerang secara unilateral dengan rata-rata umur saat didiagnosis
adalah dua tahun, dalam 60% kasus. Dari jumlah tersebut, sebanyak 15% terkait
masalah keturunan. Sedangkan pada 40% kasus, RB menyerang secara bilateral
dengan rata-rata umur saat didiagnosis adalah satu tahun (Aerts et al., 2006).
Diagnosa penyakit ini dapat dilakukan berdasarkan pemeriksan fisik dan pemeriksaan
penunjang seperti USG orbita, CT Scan Orbita, CT Scan kepala, foto toraks, dan bone
scan. Pemeriksaan fisik dapat dilakukan melalui oftalmoskopi yang dilakukan dokter
dengan melihat adanya lesi tumor berwarna putih / putih kekuningan pada fundus
yang sering dikaitkan dengan peningkatan vaskularisasi. Namun, analisis dari fundus
tersebut juga masih dilakukan secara manual oleh ahli atau dokter dan memungkinkan
terjadinya kesalahan (human error) dalam melakukan pemeriksaan.
Penelitian dengan memanfaatkan fundus retina dari kamera fundus sebelumnya
sudah dimanfaatkan untuk mengidentifikasi retinoblastoma melalui analisis citra
fundus dengan menggunakan Gaussian Filter, Fast Fourier Transform, kemudian
dilakukan Log Transform untuk mengkompres light pixels image (Balasundari et al.,
2016 ). Selain itu penelitian juga pernah dilakukan untuk mendeteksi retinoblastoma
Universitas Sumatera Utara
3
melalui citra iris mata dengan menggunakan metode wavelet transform setelah
sebelumnya
dilakukan
preprocessing
image
enhancement
median
filtering.
Selanjutnya dilakukan histogram equalization dan thresholding untuk membedakan
mata yang terkena kanker dan yang tidak terkena kanker (Gupta et al., 2015).
Pada penelitian kali ini, penulis mengajukan metode Backpropagation Neural
Network. Algoritma Backpropagation Neural Network merupakan salah satu jenis
artificial neural network (ANN) dengan beberapa unit hidden layer yang berada di
antara input dan output. Backpropagation Neural Network sebelumnya juga telah
dipakai untuk diagnosa gangguan lambung melalui iris mata (Priyani, 2009).
Berdasarkan latar belakang di atas, maka penulis mengajukan proposal penelitian
dengan judul “IDENTIFIKASI RETINOBLASTOMA DENGAN MENGGUNAKAN
BACKPROPAGATION NEURAL NETWORK”.
1.2. Rumusan Masalah
Retinoblastoma (kanker mata) biasanya diderita oleh anak-anak yang menyerang
jaringan saraf tipis yang berada di belakang mata (bagian yang sensitif terhadap
cahaya). Pada pemeriksaan fundus retina, salah satu dari tanda penyakit ini terlihat
dengan adanya tumor berwarna putih atau putih kekuningan. Pada umumnya, untuk
mengidentifikasi penyakit ini melalui fundus retina masih dilakukan secara manual
oleh
pakar
(dokter)
sehingga
memungkinkan
terjadinya
kesalahan
dalam
pendiagnosaan penyakit. Oleh karena itu, diperlukan suatu metode yang dapat
membantu pakar (dokter) dalam mendiagnosa penyakit retinoblastoma sehingga
diperoleh hasil pemeriksaan yang lebih baik daripada pendiagnosaan secara manual.
1.3. Batasan Masalah
Pada penelitian ini peneliti membuat batasan masalah untuk mencegah meluasnya
ruang lingkup permasalahan dalam penilitian ini. Adapun batasan masalah tersebut,
yaitu:
1. Deteksi retinoblastoma melalui tumor berwarna putih atau putih kekuningan pada
fundus retina.
Universitas Sumatera Utara
4
2. Citra yang digunakan adalah citra fundus retina dengan ekstensi .jpg.
3. Input yang digunakan sebagai dataset hanya berupa citra fundus normal dan
retinoblastoma yang diambil dari situs resmi Image Bank Retina yaitu
http://imagebank.asrs.org.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengidentifikasi retinoblastoma melalui
analisis citra fundus retina dengan menggunakan Backpropagation Neural Network.
1.5. Manfaat Penelitian
Adapun manfaat penelitian ini diantara lain yaitu:
1. Membantu pakar (dokter) dalam mendiagnosa retinoblastoma melalui citra fundus
retina.
2. Memberi masukan untuk penelitian lain dalam bidang medical image, image
processing dan neural network.
1.6. Metodologi
Adapun tahapan – tahapan yang akan dilakukan pada penelitian ini adalah :
1. Studi Literatur
Pada tahapan ini penulis mengumpulkan dan mempelajari informasi yang
diperoleh dari buku, skripsi, jurnal, dan berbagai sumber informasi lainnya.
Informasi yang berkaitan dengan penelitian tersebut seperti retinoblastoma,
grayscale, thresholding, morphological close operation, erosion, inversion, GrayLevel Co-Occurrence Matrix (GLCM) dan metode Backpropagation Neural
Network.
Universitas Sumatera Utara
5
2. Analisis Permasalahan
Pada tahap selanjutnya penulis menganalisis permasalahan dari informasi yang
didapat pada tahapan sebelumnya agar diperoleh metode yang tepat untuk
mengatasi masalah dalam penelitian ini.
3. Perancangan Sistem
Tahapan selanjutnya yaitu dilakukan perancangan sistem yang sesuai dari hasil
analisis permasalahan yang telah dilakukan. Pada penelitian ini, perancangan yang
dilakukan berupa perancangan arsitektur dan antarmuka sistem.
4. Implementasi
Pada tahap ini dilakukan implementasi berdasarkan analisis yang telah dilakukan
dalam bentuk pembuatan program sesuai dengan perancangan yang telah
dilakukan sebelumnya.
5. Pengujian
Tahap selanjutnya yaitu melakukan pengujian terhadap sistem yang telah
dibangun untuk menguji seberapa mampu metode Backpropagation Neural
Network dalam megidentifikasi penyakit retinoblastoma dan memastikan hasil
yang diperoleh sesuai dengan yang diharapkan.
6. Penyusunan Laporan
Pada tahap akhir dilakukan penulisan laporan dari keseluruhan penelitian yang
telah dilakukan.
1.7. Sistematika Penulisan
Sistematika dari penulisan skripsi ini terdiri dari lima bagian, yaitu :
Bab 1 : Pendahuluan
Bab ini membahas tentang latar belakang, rumusan masalah, batasan masalah, tujuan
penelitian, manfaat penelitian, metodologi penilitian dan sistematika penelitian.
Universitas Sumatera Utara
6
Bab 2 : Landasan Teori
Bab ini berisi tentang teori-teori penunjang yang digunakan untuk dapat memahami
permasalahan dari penelitian ini yaitu teori tentang retinoblastoma, image processing,
gray level cooccurrence matrix (glcm), Backpropagation neural network dan juga
tentang penelitian terdahulu.
Bab 3 : Analisis dan Perancangan
Bab ini berisi tentang analisis dari arsitektur umum dan metode yang digunakan dan
penerapannya
dalam
pembuatan
sistem
untuk
mengidentifikasi
penyakit
retinoblastoma.
Bab 4 : Implementasi dan Pengujian
Bab ini berisi tentang implementasi dari analisis dan perancangan sistem yang telah
dilakukan sebelumnya serta membahas tentang pengujian terhadap sistem yang telah
dibangun.
Bab 5 : Kesimpulan dan Saran
Bab ini berisi tentang kesimpulan dari keseluruhan penelitian yang telah dilakukan
dan saran yang diajukan untuk pengembangan untuk penelitian selanjutnya.
Universitas Sumatera Utara