BAB 1 PENDAHULUAN
1.1
Latar Belakang Wireless Capsule Endoscopy (WCE) secara bertahap telah digunakan di rumah
sakit merupakan terobosan dalam dunia medis dunia. WCE dapat melihat seluruh gastrointestinal (GI) atau saluran pencernaan dengan metode yang lebih nyaman digunakan oleh pasien hanya dengan menelan sebuah kapsul nirkabel. WCE mendeteksi penyakit terkait saluran pencernaan seperti pendarahan usus, maag dan kanker. Telah dilaporkan bahwa kanker kolakteral menjadi penyebab utama kedua kematian terkait kanker di Amerika Serikat. [1] Sejumlah penyakit di saluran pencernaan dapat dicegah dan disembuhkan dengan deteksi sedini mungkin. Metode deteksi tradisional seperti endoskopi, USG, dan computed tomography (CT) scan telah menunjukkan nilai-nilai besar dalam mendiagnosis penyakit pada saluran digest. Namun, bagian utama dari saluran pencernaan, usus kecil, tidak dapat dicapai oleh endoskopi tradisional karena keterbatasan mereka. Selain itu, kelemahan alat medis tradisional tersebut memiliki kelemahan lain seperti ketidaknyamanan, invasif, hasil yang tidak jelas terbaca, dan sebagainya. Pada tahun 2000, jenis baru dari GI endoskopi, yaitu WCE diciptakan oleh perusahaan medis Given Imaging yang berasal dari Amerika Serikat dan diproduksi di Israel [2]. Wireless Capsule Endoscopy dengan ukuran 26mm × 11mm, adalah perangkat berbentuk pil yang terdiri dari kamera pendek focal-length CMOS (Complementary metal-oxide-semiconductor), sumber cahaya, baterai dan pemancar radio. Setelah WCE yang ditelan oleh pasien yang melakukan diet selama sekitar 12 jam, perangkat ini sedikit didorong oleh bagian peristaltik dan mulai bekerja dengan merekam gambar sambil bergerak maju sepanjang saluran pencernaan. Sementara itu, gambar
yang direkam oleh kamera yang dikirim secara nirkabel ke perekam khusus yang melekat pada pinggang. Proses ini berlanjut selama sekitar delapan jam hingga ujung baterai WCE. Akhirnya, semua data gambar dalam perekam khusus di-download ke komputer pribadi atau workstation komputer, dan dokter dapat melihat gambar dan menganalisis potensi sumber penyakit yang berbeda di saluran pencernaan. Proses diagnosis yang dilakukan oleh dokter dapat memakan waktu karena banyaknya hasil foto. Hasil foto sekitar 2000 pada setiap proses pemeriksaan, sehingga diagnosis bukan merupakan proses real-time. Situasi ini membuka cara potensial untuk menganalisis pasca pengolahan dan diagnosis dibantu komputer. WCE telah disetujui oleh US Food and Drug Administration (FDA) pada tahun 2001, dan telah dilaporkan bahwa teknologi baru ini menunjukkan nilai yang besar dalam mengevaluasi perdarahan gastrointestinal, penyakit crohn, maag dan penyakit lainnya ada di saluran pencernaan [3] 1.2
Penelitian Terkait Pada arah skema deteksi dengan menggunakan textural features dan support
vector machine telah dilakukan penelitan di [2] berdasarkan wavelet berbasis pola biner lokal seragam. Di [4] telah diberikan novel method untuk mendeteksi pendarahan pada hasil foto WCE dengan klasifikasi KNN (K-neares Neighbor), sedangkan di [5] digunakan
nonlinear analisis pada RGB color space untuk mendeteksi abnormalitas. Di [6]
berdasarkan analisis geometrikal dan konten tekstur setiap frame foto di teliti untuk mendeteksi polyp secara otomatis. Di [7] telah dibahas deteksi penyakit maag pada WCE.
1.3
Perumusan Masalah Berdasarkan deskripsi latar belakang dan penelitian terkait, maka dapat
dirumuskan beberapa masalah di tugas akhir ini yaitu : 1. Adanya kesulitan dalam memilah foto hasil WCE yang banyak untuk selanjutnya dilakukan analisis oleh dokter yang bersangkutan 2. Skema yang diusulkan oleh Bao po li [2] untuk menganalisis tumor dapat digunakan sebagai langkah awal dalam pengembangan skema deteksi kanker dini pada hasil foto WCE. 3. Perlunya kombinasi hasil WCE dengan analisis dokter dalam menentukan akurasi deteksi kanker tersebut. 1.4
Pertanyaan Penelitian Berdasarkan rumusan masalah maka penelitian ini menjawab beberapa
pertanyaan sebagai berikut : • Bagaimana memformulasikan model deteksi kanker pada hasil foto WCE? • Bagaimana mengembangkan skema pengalokasian bit berbasis algoritma yang mampu mengklasifikasikan hasil foto? • Bagaimana mendesain skenario pengujian skema algoritma tersebut? • Berapakah nilai k yang sesuai untuk proses klasifikasi citra menggunakan metode K-Nearest Neighbour? • Bagaimana pencapaian hasil deteksi kanker dengan metode algoritma yang dikombinasikan dengan analisis dokter? 1.5
Asumsi dan Batasan Masalah Asumsi dan batasan masalah yang digunakan dalam penelitian ini sebagai
berikut: •
Proses transmit image dari WCE berlangsung secara Normal
•
Image yang di terima dengan asumsi kondisi baik kurang lebih 20.000 foto per treatment, untuk bagian usus kecil terdapat 43 foto per treatment.
•
Kondisi hardware dan software di asumsikan semua dalam keadaan baik.
•
Batasan masalah yang di gunakan adalah analisis terhadap hasil foto WCE.
•
Analisis digunakan untuk mendeteksi potensi kanker usus kecil berdasarkan hasil pengolahan citra digital.
•
Tingkat akurasi pada analisis WCE didasarkan kepada analisis image dan diagnosis dari dokter.
•
Pada tugas akhir ini dilakukan proses pengolahan citra digital dan tidak membahas cara mendapatkan citra digital tersebut.
1.6
Tujuan Penelitian Ruang lingkup dari tugas akhir ini adalah pada skema dan analisis kanker usus
kecil (small bowel instine). Tujuan dari tugas akhir ini adalah mendapatkan skema analisis hasil images untuk membantu clinicans dengan membantu menghemat waktu untuk memberikan diagnosis terhadap hasil images pada lokasi usus yang berpotensi memiliki gejala terinfeksi kanker. Sehingga dari ribuan hasil citra WCE dapat diklasifikasikan citra-citra yang memiliki ciri kanker. 1.7
Hipotesis Penelitian Berdasarkan uraian latar belakang dan rumusan masalah, maka algoritma
deteksi kanker usus kecil pada hasil WCE yang dibangun dari skema mempunyai jaminan fairness dan kompleksitas yang lebih baik dibanding skema sebelumnya. Skema yang diajukan pada proposal akhir ini dengan membuat cross check hasil dari analisa dokter yang bersangkutan. Dengan menggunakan dasar tersebut, maka dapat dibuat hipotesis bahwa skema pengembangan yang diusulkan pada penelitian ini memenuhi jaminan fairness dengan kompleksitas waktu terjaga. 1.8
Metodologi Penelitian Metodologi dalam proses penyelesaian penelitian ini terdiri dari beberapa
tahapan yaitu: 1. Identifikasi masalah penelitian
Pada tahap ini dilakukan identifikasi dan state of the art dari permasalahan yang ada menggunakan studi literatur. Literatur yang diambil berasal dari hasil penelitian-penelitian terbaru baik paper journal atau paper conference internasional serta textbook yang berkaitan dengan tema penelitian. 2. Desain model dan formulasi masalah Pada tahap ini didesain model dari permasalahan yang akan dipecahkan. Model yang digunakan adalah model matematis dan diformulasikan dalam bentuk persamaan optimasi linear programming. 3. Desain model pemecahan masalah dan kuantifikasi kompleksitas Pada tahap ini didesain skema pemecahan masalah matematis berdasarkan hasil penelusuran secara empiris berdasarkan teori dan hasil-hasil penelitian tentang resource allocation sebelumnya. Skema resource allocation baru pada penelitian ini dibangun dari proses matematis yang didasari pada penelusuran studi literatur terkait pada penelitian sebelumnya.
4. Pengujian model pemecahan masalah dan validasi penelitian Pada tahap ini dilakukan pengujian terhadap teknik pemecahan masalah menggunakan simulasi komputer. Simulasi komputer menggunakan perangkat lunak matlab. Untuk menjamin validitas hasil penelitian, maka dilakukan validasi hasil oleh dokter.
Gambar 1.1 Model Pemecahan masalah dan Validasi Penelitian
Gambar 1.2 Tahap model pemecahan masalah dan validasi
5. Pengumpulan dan analisis data Data yang digunakan merupakan data primer kuantitatif dari hasil percobaan simulasi. Pengumpulan dan klasifikasi data hasil percobaan mengacu pada skenario yang dibuat untuk melihat hubungan antara variabel pengamatan dengan parameter kinerja yang diamati. Metoda analisis yang digunakan adalah metoda analisis data kuantitatif yang terdiri dari beberapa langkah : o Verifikasi data, berisi proses verifikasi data apakah sudah sesuai dengan skenario percobaan.
o Pengelompokan data, berisi proses klasifikasi dan pengelompokan data dalam bentuk grafik berdasarkan tujuan skenario dan parameter performansi yang diamati. o Analisis masing – masing kelompok data, berisi tahap analisis secara kuantitatif untuk mengkuantifikasi dan trend pencapaian performansi. o Analisis hubungan antar kelompok data, berisi analisis dan konsistensi antar kelompok data yang berhubungan dengan capaian performansi. 6. Penyimpulan hasil Tahap penentuan kesimpulan penelitian berdasarkan data-data hasil percobaan dan performansi untuk menjawab permasalahan dalam penelitian. Data collecting and analysis
Data verification
Input : · Scenarios · Observed parameters
Data grouping
Based on Scenarios and observed parameters
L = number of simulation scenarios Scenario 1 analysis
Scenario L analysis
Relationship analysis
Quantitative data analysis
Quantitative data analysis
Research conclusions
Gambar 1.3 Pengumpulan data hasil simulasi dan analisis
