RANCANG BANGUN APLIKASI UNTUK MENDETEKSI KEBERADAAN TUMOR OTAK PADA CITRA HASIL SCAN MRI
Author (Penulis)
RANGGA PUTRA RAHARJAUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.02.0088Abstract
Tumor otak merupakan sebuah penyakit yang dapat dikatakan berbahaya namun juga tidak berbahaya, penyakit tumor otak yang dapat membahayakan nyawa penderitanya adalah tumor otak ganas atau kanker otak sedangkan penyakit tumor otak yang tidak membahayakan nyawa adalah tumor otak jinak, diagnosa yang sedini mungkin adalah kunci dari menghindari resiko kematian akibat penyakit ini.namun karena keterbatasan kemampuan manusia terdapat resiko terjadinya keterlambatan ataupun kesalahan dalam mendiagnosa penyakit ini.untuk mengatasi hal tersebut penelitian ini mengusulkan sebuah aplikasi untuk membantu radiologis melakukan proses diagnosa tumor otak melalui citra hasil scan MRI.
Penelitian ini bertujuan untuk menemukan cara meningkatkan kecepatan, akurasi dan objektifitas diagnosa tumor otak pada citra scan MRI yang dilakukan oleh radiologis dengan cara membangun aplikasi yang mampu membuka data citra MRI dan membaca informasi pasien yang terkandung didalam file berformat dicom, dan menggunakan metode GLCM untuk proses ekstraksi fitur/ciri pada 400 data citra MRI yang dipadukan dengan metode pohon keputusan untuk melakukan proses klasifikasi atau diagnosa dari citra MRI yang menjadi masukan, aplikasi dibangun dengan Bahasa pemrograman c#.
Tahapan yand dilakukan oleh aplikasi untuk melakukan deteksi tumor otak dilakukan dengan membuka citra MRI pada file yang berformat dicom dari citra tersebut akan dipilih region of interest yang akan diolah menggunakan median filter untuk mengurangi noise dan selanjutnya dilakukan pembuatan GLCM yang akan digunakan untuk ekstraksi ciri dari citra. Nilai yang dihasilkan dari proses ciri ini digunakan sebagai masukan dari pohon keputusan.
Kesimpulan yang dihasilkan dari penelitian ini adalah bahwa (1) model perancangan aplikasi yang digunakan mampu mengimplementasikan metode GLCM dan pohon Keputusan. (2) aplikasi yang dibangun memiliki tingkat akurasi terbaik mencapai 75% dalam mendiagnosa tumor otak setelah diukur menggunakan teknik cross validation, (3) konsistensi dari fitur pada data citra yang digunakan sangat berpengaruh terhadapa kemampuan aplikasi untuk melakukan diagnosa, (4) aplikasi yang dibangun tidak menghiraukan kebutuhan penggunaan pada situasi kerja nyata dari pengguna, berdasarkan simpulan dari penelitian ini disarankan untuk melakukan penelitian lanjutan untuk mengelompokan data citra sebelum digunakan untuk membangun pohon keputusan untuk mengurangi inkonsistensi dan variasi dari fitur, disarankan juga untuk melakukan hal tersebut tanpa mengabaikan kebutuhan dari situasi yang dihadapi pengguna.
Keyword
aReference
Borole V.Y. 2015. Images Processing Techniques for Tumor Detection : Review. International Journal of Emerging Trends & Technology in Compute Science Vol 4. Tersedia : http://www.ijettcs.org/Volume4Issue5(2)/IJETTCS-2015-10-01-7.pdf. Diunduh 20 november 2017.
Clark K, Vendt B, Smith K, Freymann J, Kirby J, Koppel P, Moore S, Phillips S, Maffitt D, Pringle M, Tarbox L, Prior F. The Cancer Imaging Archive (TCIA): Maintaining and Operating a Public Information Repository, Journal of Digital Imaging, Volume 26, Number 6, December, 2013, pp 1045-1057.
Damjanov I. 2009. Phatology Secrets. Kansas City. Mosby Elsevier
Janki Naik, Sagar Patel. 2014. Tumor Detection and Classification using Decision Tree in Brain MRI. International Journal of Computer Science and Network Security Vol 14.
Kartawiguna D & Georgiana V. 2014. Implementation of DICOM Modality Worklist at Patient Registration Systems in Radiology Unit. EPJ Web of Conference
Kusrini. 2008. Algoritma Data Mining. Jakarta. Andi Publisher.
Mryka Hall-Byer. 2005 GLCM Texture: A Tutorial v. 3.0. Department of Geography. University of Calgary. Canada.
Patel P.R . 2005. Lecture Notes on Radiology. New Jersey. John Wiley & Sons
Rajini H. 2012.Automatic Classification of MR Brain Tumor Images using Decision Tree. International Journal of Computer Applications.
Scarpace, Lisa, Flanders, Adam E., Jain, Rajan, Mikkelsen, Tom, & Andrews, David W. (2015). Data From REMBRANDT. The Cancer Imaging Archive. http://doi.org/10.7937/K9/TCIA.2015.588OZUZB
Tambayong J.1999. Patofisiologi untuk Keperawatan. Jakarta. Penerbit EGC
Turban E. 2005. Decision Support Systems and Intellegent Systems. New Jersey. Pretience Hall
Zulpe N, Pawar V. 2012. GLCM Textural Features for Brain Tumor Classification. International Journal of Computer Science Vol 9.
