Identifikasi Osteoporosis melalui Bone Radiograph Menggunakan Evolving Multilayer Perceptron
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Osteoporosis merupakan penyakit yang ditandai dengan penurunan kepadatan mineral
tulang, perubahan mikroarsitektur tulang, dan penurunan kualitas jaringan tulang,
yang mengakibatkan tulang menjadi rapuh, sehingga tulang mudah retak atau bahkan
patah (Depkes, 2008). Osteoporosis adalah kelainan tulang yang dikarakterisasikan
dengan densitas massa tulang yang rendah dan deteriorisasi jaringan tulang, dengan
subsekuensi kerapuhan tulang dan mengakibatkan tulang menjadi rawan patah (Bartl
& Frisch, 2009). Osteoporosis tidak memiliki gejala khusus, sehingga dibutuhkan
deteksi awal agar penyakit ini dapat dicegah. Adapun deteksi awal osteoporosis
dilakukan dengan cara melihat tekstur tulang. Tekstur tulang dapat dilihat melalui
citra bone radiograph.
Ada beberapa teknik yang digunakan untuk mengukur kepadatan mineral tulang,
diantaranya adalah SXA (Single Energy X-Ray Absorptiometry), DXA (Dual Energy
X-Ray Absorptiometry), PDXA (Peripheral Dual Energy X-ray Absorptiometry),QCT
(Quantitative Computated Tomography), SPA (Single Photon Absorptiometry),DPA
(Dual Photon Absorptiometry), Ultrasound, dan RA (Radiographic Absorptiometry).
Adapun teknik yang dijadikan standar dalam diagnosis osteoporosis adalah DXA. Di
Indonesia, jumlah DXA yang tersedia masih sedikit dan biaya pemeriksaannya relatif
mahal (Wahyudiyanta, 2010). Hal ini menyebabkan pemeriksaan radiologi biasa
(morfometri) masih memiliki peranan besar dalam diagnosis osteoporosis karena
jumlahnya lebih banyak dan biayanya relatif lebih murah. Akan tetapi, identifikasi
osteoporosis melalui citra hasil morfometri masih dilakukan secara manual oleh pakar
Rheumatologi, sehingga hasil identifikasi tergantung pada keahlian dan pengalaman
pakar Rheumatologi tentang osteoporosis.
Penelitian yang memanfaatkan citra X-Ray untuk mengidentifikasi osteoporosis
sudah dilakukan dengan menggunakan Support Vector Machine dengan kernel Radial
Universitas Sumatera Utara
2
Basis Function (RBF ) (Kavitha et al, 2012), dimana bagian yang diidentifikasi adalah
tulang rahang. Penelitian selanjutnya dilakukan dengan menggunakan jaringan saraf
tiruan backpropagation dan representasi ciri dalam ruang eigen (Mardianto & Pratiwi,
2008). Bagian yang diidentifikasi adalah pergelangan tangan dan jari tangan. Jaringan
saraf tiruan yang digunakan mampu mengenali pola learning dengan baik, tetapi
kurang berhasil mengenali pola non-learning, sehingga hasil klasifikasi menjadi
kurang baik.
Ekstraksi fitur merupakan proses pengambilan karakteristik atau ciri-ciri yang
unik dari suatu objek yang akan diolah. Gray Level Co-occurrence Matrix(GLCM)
yang juga disebut dengan grey tone spatial dependency matrix merupakan salah satu
metode statistik analisis tekstur berdasarkan pada hubungan antara nilai piksel abuabu dalam citra. GLCM menggunakan perhitungan tekstur pada orde kedua yang
memperhitungkan hubungan antar pasangan dua piksel pada citra asli (Kadir, 2013).
Evolving Connectionist Systems (ECoS) adalah neural network yang mampu
mengembangkan struktur, fungsionalitas, dan representasi pengetahuan internal
melalui pembelajaran yang berkelanjutan dari data dan interaksi dengan lingkungan
(Kasabov, 2007). ECoS mampu mengatasi kelemahan-kelemahan pada jaringan saraf
tiruan seperti kesulitan dalam menentukan arsitektur sistem dan waktu pelatihan yang
cukup lama. Algoritma ECoS yang akan diimplementasikan adalah Simple Evolving
Connectionist Systems (SECoS) atau disebut juga Evolving Multilayer Perceptrons
(eMLP). Evolving multilayer perceptron merupakan algoritma multi layer perceptron
pada jaringan syaraf tiruan yang telah mengimplementasikan konsep dari Evolving
Connectionist System (ECOS). Algoritma ini dapat mengembangkan struktur
jaringannya sendiri sesuai dengan input yang diterima.
Pada penelitian ini penulis akan menggunakan Evolving Multilayer Perceptron
dalam mengklasifikasikan citra bone radiograph.
1.2. Rumusan Masalah
Osteoporosis merupakan penyakit yang ditandai dengan penurunan kepadatan mineral
tulang, perubahan mikroarsitektur tulang, dan penurunan kualitas jaringan tulang. Saat
ini identifikasi osteoporosis masih dilakukan secara manual oleh pakar Rheumatologi
melalui citra hasil X-Ray, sehingga hasil identifikasi tergantung dari keahlian dan
Universitas Sumatera Utara
3
pengalaman pakar Rheumatologi mengenai osteoporosis. Oleh karena itu diperlukan
suatu pengolahan citra pada citra bone radiograph untuk membantu dokter atau ahli
rheumatologi dalam mendiagnosis osteoporosis.
1.3. Batasan Masalah
Batasan masalah pada penelitian ini adalah:
1. Citra bone radiograph yang digunakan berformat .tiff.
2. Citra yang digunakan adalah citra grayscale.
3. Pada bone radiograph tidak ditemui tulang yang retak atau patah.
4. Citra bone radiograph berukuran 400x400 piksel.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini yaitu untuk mengidentifikasi osteoporosis pada citra digital
bone radiograph menggunakan Evolving Multilayer Perceptron.
1.5. Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini adalah:
1. Mengetahui kemampuan metode GLCM untuk ekstraksi fitur dan metode
eMLP dalam klasifikasi osteoporosis pada citra bone radiograph.
2. Memberikan masukan untuk penelitian lain dalam bidang image processing .
1.6. Metode Penelitian
Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai
berikut:
1. Studi Literatur
Studi literatur dilakukan dalam rangka pengumpulan bahan referensi mengenai
osteoporosis, image processing, dan Evolving Multilayer Perceptron.
2. Analisis Permasalahan
Pada tahap ini dilakukan analisis terhadap bahan referensi yang telah
dikumpulkan sebelumnya untuk mendapatkan pemahaman mengenai metode
yang akan digunakan, yaitu Evolving Multilayer Perceptron dalam menyelesaikan
masalah identifikasi osteoporosis.
Universitas Sumatera Utara
4
3. Perancangan
Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, dan
perancangan interface.
4. Implementasi
Pada tahap ini dilakukan implementasi dari racangan yang telah dibangun ke
dalam kode program.
5. Pengujian
Pada tahap ini dilakukan pengujian terhadap sistem yang telah dibangun.
6. Dokumentasi dan Penyusunan Laporan
Pada tahap ini dilakukan dokumentasi dan penyusunan laporan hasil analisis dari
implementasi Evolving Multilayer Perceptron dalam identifikasi osteoporosis.
1.7. Sistematika Penulisan
Sistematika penulisan skripsi ini terdiri dari lima bagian utama antara lain sebagai
berikut:
Bab 1: Pendahuluan
Bab ini terdiri dari latar belakang, rumusan masalah, batasan masalah, tujuan
penelitian, manfaat penelitian, dan sistematika penulisan.
Bab 2: Landasan Teori
Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas
pada penelitian ini. Pada bab ini juga dijelaskan tentang penerapan Evolving
Multilayer Perceptron (eMLP) untuk mengidentifikasi osteoporosis pada citra bone
radiograph.
Bab 3: Analisis dan Perancangan Sistem
Bab ini berisi analisis dan penerapan metode evolving multilayer perceptrons (eMLP)
untuk mengidentifikasi osteoporosis pada citra bone radiograph, serta perancangan
seperti pemodelan dengan flowchart, dan perancangan antar muka.
Universitas Sumatera Utara
5
Bab 4: Implementasi dan Pengujian Sistem
Bab ini membahas tentang implementasi dari analisis dan perancangan yang disusun
pada Bab 3 dan pengujian untuk mengetahui apakah hasil yang didapatkan sesuai
dengan yang diharapkan.
Bab 5: Kesimpulan dan Saran
Bab ini terdiri dari kesimpulan yang merupakan uraian dari bab-bab sebelumnya dan
saran untuk pengembangan penelitian selanjutnya.
Universitas Sumatera Utara
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Osteoporosis merupakan penyakit yang ditandai dengan penurunan kepadatan mineral
tulang, perubahan mikroarsitektur tulang, dan penurunan kualitas jaringan tulang,
yang mengakibatkan tulang menjadi rapuh, sehingga tulang mudah retak atau bahkan
patah (Depkes, 2008). Osteoporosis adalah kelainan tulang yang dikarakterisasikan
dengan densitas massa tulang yang rendah dan deteriorisasi jaringan tulang, dengan
subsekuensi kerapuhan tulang dan mengakibatkan tulang menjadi rawan patah (Bartl
& Frisch, 2009). Osteoporosis tidak memiliki gejala khusus, sehingga dibutuhkan
deteksi awal agar penyakit ini dapat dicegah. Adapun deteksi awal osteoporosis
dilakukan dengan cara melihat tekstur tulang. Tekstur tulang dapat dilihat melalui
citra bone radiograph.
Ada beberapa teknik yang digunakan untuk mengukur kepadatan mineral tulang,
diantaranya adalah SXA (Single Energy X-Ray Absorptiometry), DXA (Dual Energy
X-Ray Absorptiometry), PDXA (Peripheral Dual Energy X-ray Absorptiometry),QCT
(Quantitative Computated Tomography), SPA (Single Photon Absorptiometry),DPA
(Dual Photon Absorptiometry), Ultrasound, dan RA (Radiographic Absorptiometry).
Adapun teknik yang dijadikan standar dalam diagnosis osteoporosis adalah DXA. Di
Indonesia, jumlah DXA yang tersedia masih sedikit dan biaya pemeriksaannya relatif
mahal (Wahyudiyanta, 2010). Hal ini menyebabkan pemeriksaan radiologi biasa
(morfometri) masih memiliki peranan besar dalam diagnosis osteoporosis karena
jumlahnya lebih banyak dan biayanya relatif lebih murah. Akan tetapi, identifikasi
osteoporosis melalui citra hasil morfometri masih dilakukan secara manual oleh pakar
Rheumatologi, sehingga hasil identifikasi tergantung pada keahlian dan pengalaman
pakar Rheumatologi tentang osteoporosis.
Penelitian yang memanfaatkan citra X-Ray untuk mengidentifikasi osteoporosis
sudah dilakukan dengan menggunakan Support Vector Machine dengan kernel Radial
Universitas Sumatera Utara
2
Basis Function (RBF ) (Kavitha et al, 2012), dimana bagian yang diidentifikasi adalah
tulang rahang. Penelitian selanjutnya dilakukan dengan menggunakan jaringan saraf
tiruan backpropagation dan representasi ciri dalam ruang eigen (Mardianto & Pratiwi,
2008). Bagian yang diidentifikasi adalah pergelangan tangan dan jari tangan. Jaringan
saraf tiruan yang digunakan mampu mengenali pola learning dengan baik, tetapi
kurang berhasil mengenali pola non-learning, sehingga hasil klasifikasi menjadi
kurang baik.
Ekstraksi fitur merupakan proses pengambilan karakteristik atau ciri-ciri yang
unik dari suatu objek yang akan diolah. Gray Level Co-occurrence Matrix(GLCM)
yang juga disebut dengan grey tone spatial dependency matrix merupakan salah satu
metode statistik analisis tekstur berdasarkan pada hubungan antara nilai piksel abuabu dalam citra. GLCM menggunakan perhitungan tekstur pada orde kedua yang
memperhitungkan hubungan antar pasangan dua piksel pada citra asli (Kadir, 2013).
Evolving Connectionist Systems (ECoS) adalah neural network yang mampu
mengembangkan struktur, fungsionalitas, dan representasi pengetahuan internal
melalui pembelajaran yang berkelanjutan dari data dan interaksi dengan lingkungan
(Kasabov, 2007). ECoS mampu mengatasi kelemahan-kelemahan pada jaringan saraf
tiruan seperti kesulitan dalam menentukan arsitektur sistem dan waktu pelatihan yang
cukup lama. Algoritma ECoS yang akan diimplementasikan adalah Simple Evolving
Connectionist Systems (SECoS) atau disebut juga Evolving Multilayer Perceptrons
(eMLP). Evolving multilayer perceptron merupakan algoritma multi layer perceptron
pada jaringan syaraf tiruan yang telah mengimplementasikan konsep dari Evolving
Connectionist System (ECOS). Algoritma ini dapat mengembangkan struktur
jaringannya sendiri sesuai dengan input yang diterima.
Pada penelitian ini penulis akan menggunakan Evolving Multilayer Perceptron
dalam mengklasifikasikan citra bone radiograph.
1.2. Rumusan Masalah
Osteoporosis merupakan penyakit yang ditandai dengan penurunan kepadatan mineral
tulang, perubahan mikroarsitektur tulang, dan penurunan kualitas jaringan tulang. Saat
ini identifikasi osteoporosis masih dilakukan secara manual oleh pakar Rheumatologi
melalui citra hasil X-Ray, sehingga hasil identifikasi tergantung dari keahlian dan
Universitas Sumatera Utara
3
pengalaman pakar Rheumatologi mengenai osteoporosis. Oleh karena itu diperlukan
suatu pengolahan citra pada citra bone radiograph untuk membantu dokter atau ahli
rheumatologi dalam mendiagnosis osteoporosis.
1.3. Batasan Masalah
Batasan masalah pada penelitian ini adalah:
1. Citra bone radiograph yang digunakan berformat .tiff.
2. Citra yang digunakan adalah citra grayscale.
3. Pada bone radiograph tidak ditemui tulang yang retak atau patah.
4. Citra bone radiograph berukuran 400x400 piksel.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini yaitu untuk mengidentifikasi osteoporosis pada citra digital
bone radiograph menggunakan Evolving Multilayer Perceptron.
1.5. Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini adalah:
1. Mengetahui kemampuan metode GLCM untuk ekstraksi fitur dan metode
eMLP dalam klasifikasi osteoporosis pada citra bone radiograph.
2. Memberikan masukan untuk penelitian lain dalam bidang image processing .
1.6. Metode Penelitian
Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai
berikut:
1. Studi Literatur
Studi literatur dilakukan dalam rangka pengumpulan bahan referensi mengenai
osteoporosis, image processing, dan Evolving Multilayer Perceptron.
2. Analisis Permasalahan
Pada tahap ini dilakukan analisis terhadap bahan referensi yang telah
dikumpulkan sebelumnya untuk mendapatkan pemahaman mengenai metode
yang akan digunakan, yaitu Evolving Multilayer Perceptron dalam menyelesaikan
masalah identifikasi osteoporosis.
Universitas Sumatera Utara
4
3. Perancangan
Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, dan
perancangan interface.
4. Implementasi
Pada tahap ini dilakukan implementasi dari racangan yang telah dibangun ke
dalam kode program.
5. Pengujian
Pada tahap ini dilakukan pengujian terhadap sistem yang telah dibangun.
6. Dokumentasi dan Penyusunan Laporan
Pada tahap ini dilakukan dokumentasi dan penyusunan laporan hasil analisis dari
implementasi Evolving Multilayer Perceptron dalam identifikasi osteoporosis.
1.7. Sistematika Penulisan
Sistematika penulisan skripsi ini terdiri dari lima bagian utama antara lain sebagai
berikut:
Bab 1: Pendahuluan
Bab ini terdiri dari latar belakang, rumusan masalah, batasan masalah, tujuan
penelitian, manfaat penelitian, dan sistematika penulisan.
Bab 2: Landasan Teori
Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas
pada penelitian ini. Pada bab ini juga dijelaskan tentang penerapan Evolving
Multilayer Perceptron (eMLP) untuk mengidentifikasi osteoporosis pada citra bone
radiograph.
Bab 3: Analisis dan Perancangan Sistem
Bab ini berisi analisis dan penerapan metode evolving multilayer perceptrons (eMLP)
untuk mengidentifikasi osteoporosis pada citra bone radiograph, serta perancangan
seperti pemodelan dengan flowchart, dan perancangan antar muka.
Universitas Sumatera Utara
5
Bab 4: Implementasi dan Pengujian Sistem
Bab ini membahas tentang implementasi dari analisis dan perancangan yang disusun
pada Bab 3 dan pengujian untuk mengetahui apakah hasil yang didapatkan sesuai
dengan yang diharapkan.
Bab 5: Kesimpulan dan Saran
Bab ini terdiri dari kesimpulan yang merupakan uraian dari bab-bab sebelumnya dan
saran untuk pengembangan penelitian selanjutnya.
Universitas Sumatera Utara