1. BAB I PENDAHULUAN
1.1.
Latar Belakang Masalah Retina merupakan salah satu bagian mata yang penting bagi manusia. Pada
manusia, retina berfungsi untuk menerima cahaya terfokus dari lensa, mengubahnya ke dalam bentuk sinyal-sinyal tertentu, dan kemudian mengirim sinyal-sinyal tersebut ke otak melalui jaringan saraf (Qin-Li, 2010). Di samping fungsi utamanya, dalam dunia medis, retina setelah dicitrakan juga digunakan untuk mendeteksi sejumlah penyakit, seperti diabetic retinopathy, hipertensi, dan glukoma (Nandy dan Banerjee, 2012). Untuk mendeteksi sejumlah penyakit, digunakan citra digital retina yang diambil mengguanakan digital fundus camera. Dalam melakukan deteksi pada sejumlah penyakit, khususnya diabetic retinopathy dan hipertensi, dibutuhkan citra digital retina yang tersegmentasi. Dalam beberapa dekade terakhir, segmentasi otomatis terhadap citra digital retina dengan bantuan komputer menjadi hal yang populer (Tavakoli, 2010). Namun demikian, segmentasi otomatis citra digital retina merupakan sebuah pekerjaan yang kompleks, mengingat adanya artifak maupun derau pada citra digital retina, iluminasi yang merata, intensitas yang gelap, kontras yang rendah, dan panjang pembuluh darah retina yang bervariasi (Fraz dkk, 2011). Untuk mendetksi diabetic retinopathy, segmentasi tidak berhenti pada pembuluh darah retina saja, namun juga untuk menentukan foveal avascular zone
1
2
(FAZ). Pada kasus diabetic retinopathy, FAZ akan membesar, yang disebabkan oleh hilangnya pembuluh darah pada jaringan pembuluh porifoveal. Pada kondisi normal, FAZ memiliki diameter sekitar 500 µm dan luas kurang lebih 0,4 mm2 (Fadzil dkk, 2011). Beberapa penelitian telah dilakukan untuk melakukan segmentasi pembuluh darah retina. Salah satu di antaranya ialah penelitian yang dilakukan oleh Bob Zhang dkk (2010) menggunakan matched filter dengan turunan pertama gaussian sebagai metodenya. Penelitian tersebut berakurasi 93,82%. Penelitian serupa juga dilakukan oleh Fraz dkk (2011) dengan menggunakan multiscale line strength, gabor filter serta fitur morfologis sebagai metodenya, dan memberikan akurasi sebesar 94,76%. Hasil yang lebih baik pada penelitian serupa yakni akurasi sebesar 96,16% didapatkan oleh Nandy dan Banerjee (2012) yang menggunakan gabor filter dan jaringan saraf tiruan sebagai metodenya. Peneletian lanjutan mengenai segmentasi serta analisis FAZ guna klasifikasi diabetic retinopathy telah dilakukan oleh Fadzil dkk (2011) dengan independent component analysis (ICA) sebagai metodenya dan menghasilkan sensitivitas 90,81%, spesifisitas 98,29% serta akurasi 97,46%. Pada penelitian ini, akan dirancang suatu perangkat lunak untuk upaya segmentasi FAZ pada citra digital retina untuk deteksi diabetic retinopathy dengan menggabungkan metode, beberapa di antaraya adalah multiscale top-hat transformation, histogram fitting stretching dan matched filter. Multiscale top-hat transformation dan histogram fitting stretching digunakan oleh Liao dkk (2014) untuk meningkatkan kualitas citra digital retina. Menurut Liao (2014), metode ini
3
mampu meningkatkan kualitas citra digital retina dengan lebih baik dibandingkan dengan histogram equalization (HE), contrast limited adaptive histogram equalization (CLAHE), an ensemble classification-based approach (Fraz dkk, 2011), morphology based homomorphic filter and differential evolution algorithm (Oh dan Hwang, 2010) serta top-hat transform (Bai dkk, 2012). Sementara itu matched filter digunakan oleh Al-Rawi dkk (2007) untuk melakukan segmentasi pembuluh darah retina, dan menghasilkan akurasi sebesar 95,327%. Dengan menggabungkan ketiga metode di atas, yang masing-masing mempunyai keunggulan, diharapkan akan didapatkan keluaran berupa FAZ serta nilai sensitivitas, spesifisitas, maupun akurasi segmentasi FAZ. Selain itu, hasil segmentasi FAZ pada penelitian ini dapat digunakan untuk deteksi diabetic retinopathy. 1.2.
Rumusan Masalah Berdasarkan permasalahan yang telah diuraikan pada latar belakang, pada
penelitian ini dapat diangkat masalah dengan rincian sebagai berikut. 1. Jumlah perangkat lunak guna segmentasi foveal avascular zone pada citra digital retina untuk deteksi diabetic masih terbatas. 2. Tingkat sensitivitas, spesifisitas, dan akurasi dari sistem perangkat lunak segmentasi foveal avascular zone pada citra digital retina untuk deteksi diabetic retinopathy masih rendah.
4
1.3.
Batasan Masalah Pembatasan masalah dimaksudkan untuk mendapatkan pembahasan yang
mendalam pada penelitian ini. Adapun batasan-batasan masalah dalam penelitian ini, ialah sebagai berikut. 1. Data penelitian didapatkan dengan mengunduh set citra digital retina dari situs resmi DRIVE. 2. Pembuatan sistem perangkat lunak menggunakan Matlab R2013a. 3. Jumlah citra digital retina yang digunakan berjumlah empat puluh buah. 4. Keluaran dari sistem ini berupa FAZ tersegmentasi, dan juga parameter keberhasilan penelitian ini, yakni akurasi, spesifisitas dan sensitivitas. 1.4.
Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut. 1. Merancang sistem perangkat lunak guna segmentasi foveal avascular zone (FAZ) pada citra digital retina. 2. Mengetahui tingkat sensitivitas, spesifisitas, dan akurasi dari sistem perangkat lunak segmentasi foveal avascular zone pada citra digital retina untuk deteksi diabetic retinopathy.
1.5.
Manfaat Penelitian
Manfaat dari dilakukannya penelitian ini ialah sebagai berikut. 1. Dapat membantu optimalisasi pekerjaan praktisi medis dalam menentukan FAZ untuk deteksi diabetic retinopathy.
5
2. Memberikan informasi bagi peneliti-peneliti di masa mendatang untuk melakukan penelitian dan pengembangan metode atau teknologi segmentasi FAZ untuk deteksi diabetic retinopathy.