IDENTIFIKASI TINGKAT KESERIUSAN KANKER SERVIKS BERDASARKAN AREA METASTASIS MENGGUNAKAN RUANG WARNA L*a*b*

Nurlinda Dewi Kusumah - 51407001 (nrldkusumah@gmail.com)

ABSTRAK Pengolahan citra dapat diaplikasikan di berbagai bidang termasuk bidang kedokteran. Pada bidang kedokteran, pengolahan citra digunakan sebagai alat bantu dalam diagnosis suatu penyakit ataupun ganggguan tubuh manusia. Di dunia, kanker serviks adalah kanker pembunuh wanita nomor dua terbanyak setelah kanker payudara. Upaya untuk mendeteksi keberadaan penyakit kanker serviks salah satunya menggunakan kolposkop. Melalui kolposkop, dihasilkan citra yang dapat mengidentifikasi kanker serviks. Penelitian ini terbagi atas dua tahap identifikasi yaitu tahap identifikasi warna dan tahap identifikasi area metastasis. Proses identifikasi bertujuan untuk mengidentifikasi area metastasis dan tingkat keseriusan kanker serviks berdasarkan metode ruang warna L*a*b*. Penelitian ini diharapkan dapat menjadi alternatif solusi untuk mengidentifikasi kanker serviks selain menggunakan bantuan tenaga medis.

Kata Kunci : Kanker Serviks, Metastasis, Ruang Warna L*a*b*

PENDAHULUAN Pengolahan citra dapat diaplikasikan di berbagai bidang termasuk bidang kedokteran. Pada bidang kedokteran, pengolahan citra digunakan sebagai alat bantu dalam diagnosis suatu penyakit ataupun gangguan tubuh manusia. Hal itu disebabkan oleh adanya kelainan anatomi pada tubuh manusia yang ditemukan pada citra hasil rontgen, mamografi, Medical Resonance Image (MRI) atau Ultrasonografi (USG). Di Indonesia, diperkirakan insiden kanker serviks adalah sekitar 100 per 100.000 penduduk. Data patologi dari 12 pusat patologi di Indonesia pada Tahun 1997 menunjukkan bahwa kanker serviks mencapai 26,4% dari 10 jenis kanker terbanyak pada perempuan. Di Rumah Sakit Dr. Cipto Mangunkusumo, Jakarta, pada Tahun 1998 terdapat sekitar 39,5% penderita adalah positif kanker serviks (Anonim, 2008). Berdasarkan data Sistem Informasi Rumah Sakit (SIRS) pada Tahun 2007, kanker serviks menempati posisi kedua tertinggi dengan angka insiden sebesar 11,8%.

Upaya untuk mendeteksi keberadaan penyakit kanker serviks dilakukan dengan metode kolposkopi, servikografi maupun deteksi dini prakanker. Pada metode kolposkopi dihasilkan keluaran berupa citra digital. Selanjutnya dokter ahli melakukan analisa keberadaan penyakit berdasarkan penyebaran sel kanker dan karakteristik dari penyakit kanker serviks secara visual. Citra yang dihasilkan pada proses kolposkopi dapat digunakan dalam proses pengolahan citra. Pengolahan citra yang dilakukan dapat menjadi suatu alternatif dalam proses identifikasi penyakit kanker serviks yang umumnya dilakukan secara visual oleh dokter ahli. Pada proses pengolahan citra, pengidentifikasian kanker serviks didasarkan oleh parameter warna. Penelitian yang dilakukan oleh Raad, dkk pada Tahun 2006 menyebutkan bagian putih yang timbul dari pemeriksaan visual dan pengaplikasian asam asetat 5% pada serviks menimbulkan warna putih temporer yang merupakan indikator penting pada identifikasi kanker serviks. Area sel kanker pada serviks ditandai dengan berubahnya warna menjadi putih yang umumnya disebut metastasis dalam dunia kedokteran. Perubahan warna putih yang timbul sebagai akibat dari reaksi antara asam asetat dengan sel kanker digunakan untuk proses pengidentifikasian area dari kanker serviks. Maka pada penelitian ini dilakukan pengolahan citra dengan menggunakan parameter warna untuk mengidentifikasi area metastasis pada serviks.

LANDASAN TEORI Citra Citra merupakan kumpulan piksel-piksel yang berisi informasi yang tersusun dalam bidang dua dimensi. Secara matematis, citra merupakan fungsi kontinu dari intensitas cahaya f(x,y) (Gonzales, 2002), dimana x dan y adalah koordinat spasial dari elemen citra (piksel). Dalam perwujudannya, citra dibagi menjadi dua yaitu citra diam ( still images) dan citra bergerak (moving images). Citra diam adalah citra tunggal yang tidak bergerak. Sedangkan citra bergerak adalah rangkaian citra diam yang ditampilkan secara sekuensial sehingga memberi kesan pada mata kita sebagai gambar yang bergerak (Wijaya, 2007). Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa poto, bersifat analog berupa sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. Citra yang bersifat analog disebut dengan citra yang kontinu. Sedangkan citra yang bersifat digital disebut dengan citra diskrit (Munir, 2004). Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitasi terhadap citra kontinu, misalnya kamera digital dan pemindai (Munir,2004). Berbeda dengan citra diskrit, pada citra kontinu tidak bisa diolah menjadi citra lain dengan karakteristik yang berbeda. Berdasarkan hal ini, dilakukan perubahan citra kontinu menjadi citra diskrit melalui proses digitasi.

Segmentasi citra (Image segmentation) Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. Salah satu cara yang sering digunakan dalam memilah citra dalam data adalah segmentasi, yaitu membagi citra menjadi bagian yang diharapkan termasuk objek yang dianalisis. Segmentasi sering dideskripsikan sebagai proses analogi terhadap proses pemisahan latar depan dan latar belakang. Secara tradisional, segmentasi dikatakan sebagai proses pendefinisian jangkauan nilai gelap dan terang pada citra yang sebenarnya, memilih piksel dalam jangkauan ini sebagai latar depan dan menolak sisanya sebagai latar belakang. Dengan demikian, citra terbagi atas dua bagian, yaitu bagian hitam dan bagian putih, atau warna yang membatasi setiap wilayah. Salah satu metode yang efektif dalam segmentasi citra biner adalah dengan memeriksa hubungan piksel dengan tetangganya dan memberinya label. Metode ini disebut pelabelan komponen.

Ruang Warna L*a*b* Warna merupakan cara dari Human Visual System (HVS) untuk mengukur bagian dari spektrum gelombang yang berada pada jangkauan 300-830 nm. Karena sifat tertentu dari HVS, manusia tidak mampu melihat semua kemungkinan kombinasi spektrum terlihat. Akan tetapi, manusia cenderung mengategorikan spektrum sebagai kelompok warna yang disebut dengan ruang warna (color space). Salah satu ruang warna adalah ruang warna L*a*b* atau yang lebih dikenal dengan CIELAB. Ruang warna L*a*b* adalah ruang warna yang paling lengkap yang ditetapkan oleh komisi internasional tentang iluminasi warna yaitu French Commision Internationale del 'clairage, yang dikenal sebagai CIE. Ruang warna ini mampu menggambarkan semua warna yang dapat dilihat dengan mata manusia dan seringkali digunakan sebagai referensi ruang warna (Octa Heriana, 2010). Tiga parameter dalam model mewakili pencahayaan dari warna ( L*, L* = 0 menghasilkan hitam dan L* = 100 menunjukkan putih), posisi antara magenta dan hijau (a*, nilai negatif mengindikasikan hijau, sementara nilai positif mengindikasikan magenta) dan posisi antara kuning dan biru (b*, nilai negatif mengindikasikan biru, sementara nilai positif mengindikasikan kuning).

Kanker Serviks Leher rahim atau serviks adalah bagian dari sistem organ reproduksi wanita. Organ serviks dapat terjangkit penyakit kanker serviks ( cervical cancer) yang dimulai dalam sel pada permukaan serviks. Seiring waktu, kanker serviks dapat menyerang lebih dalam ke dalam serviks

dan jaringan di dekatnya. Sel-sel kanker dapat menyebar dengan melepaskan diri dari tumor (primer) asli. Sel-sel kanker dapat memasuki pembuluh darah atau pembuluh getah bening, yang bercabang ke seluruh jaringan tubuh. Sel-sel kanker dapat menempel pada jaringan lain dan tumbuh untuk membentuk tumor baru yang dapat merusak jaringan tersebut. Awal kanker serviks biasanya tidak menimbulkan gejala. Ketika kanker tumbuh lebih besar, perempuan mungkin melihat satu atau lebih gejala-gejala: pendarahan vagina yang abnormal (meliputi pendarahan yang terjadi antara periode menstruasi teratur, pendarahan setelah hubungan seksual, periode menstruasi yang lebih lama dari pada sebelumnya), disfungsi vagina (meliputi sakit panggul dan nyeri saat berhubungan seksual).

Metode Inspeksi Visual dengan Asam Asetat (IVA) Pemeriksaan IVA pertama kali diperkenalkan oleh Hinselman pada Tahun 1925 dengan cara memulas serviks dengan kapas yang telah dicelupkan dalam asam asetat 3-5%. Pemberian asam asetat itu akan mempengaruhi epitel abnormal, bahkan juga akan meningkatkan penyerapan dari cairan ekstraseluler. Cairan ekstraseluler yang bersifat hipertonik dimana cairan ini mengandung zat terlarut dalam konsentrasi yang lebih banyak dari larutan yang dapat menyebabkan tertariknya cairan dari intraseluler sehingga membran akan terganggu dan jarak antar sel akan semakin dekat. Sebagai akibatnya, jika permukaan epitel mendapat sinar, sinar tersebut tidak akan diteruskan ke jaringan penghantar atau stroma, tetapi dipantulkan keluar sehingga permukaan epitel abnormal akan berwarna putih, disebut juga epitel putih atau acetowhite (Anonim, 2008). Jika makin putih dan makin jelas, main tinggi derajat kelainan jaringannya. Dibutuhkan 1-2 menit untuk dapat melihat perubahan-perubahan pada epitel. Permukaan serviks yang diberi 5% larutan asam asetat akan merespon lebih cepat dari pada 3% larutan, hal itu disebabkan karena konsentrasi dari larutan asam asetat 5% lebih tinggi dari larutan asam asetat 3%. Efek akan menghilang sekitar 50-60 detik sehingga dengan pemberian asam asetat akan didapatkan hasil gambaran serviks yang normal (merah homogen) dan bercak putih (mencurigakan displasia). Prinsip metode IVA adalah melihat perubahan warna menjadi putih ( acetowhite) pada lesi prakanker jaringan ektoserviks rahim yang diolesi larutan asam asetat. Bila ditemukan bagian sel yang dicurigai kanker, pengolesan asam asetat tidak dilakukan namun segera dirujuk ke sarana yang lebih lengkap. Perempuan yang sudah menopause tidak direkomendasikan menjalani skrining dengan metode IVA karena zona transisional serviks pada kelompok ini biasanya 38 berada pada endoserviks rahim dalam kanalis servikalis sehingga tidak bisa dilihat dengan inspeksi spekulum.

Metastasis Kanker Serviks

Metastasis didefinisikan sebagai pembentukan tumor sekunder semakin tumbuh fokus di situs terputus dari lesi primer (Lelekakis et al, 1999). Proses metastasis pada kanker serviks digambarkan oleh Gambar 2.13. Pembentukan tumor primer membutuhkan kadar molekul dan perubahan seluler yang memungkinkan sel untuk menghindari kontrol pertumbuhan normal mekanisme serta untuk memanipulasi lingkungan lokal (Welch, 2002). Perubahan ini termasuk pengembangan suplai darah sekali fokus sel berubah tumbuh melampaui ukuran yang dapat dipelihara dengan difusi hara atau metabolit. Perkembangan tumor dan metastasis akuisisi kompetensi membutuhkan tambahan perubahan dalam ekspresi gen (protein enzim misalnya merendahkan, adhesi molekul) yang berujung pada fenotipe ganas. Setelah invasi ke jaringan yang berdekatan, sel-sel tumor melalui pembuluh darah menyebarkan darah atau limfatik dan perjalanan individual atau sebagai emboli terdiri dari sel-sel tumor atau sel-sel tumor dan host. Pada sel situs sekunder, atau penangkapan emboli baik karena ukuran fisiknya atau dengan mengikat molekul tertentu di organ tertentu atau jaringan. Agar sel disebarluaskan untuk tumbuh menjadi metastasis dan menyebar ke bagian baru dari tubuh, sel kanker tersebut harus melalui beberapa perubahan. Sel kanker harus mampu melepaskan diri dari tumor asli dan memasuki aliran darah atau sistem getah bening, yang dapat membawanya ke bagian lain dari tubuh. Pada titik tertentu sel kanker perlu menempel ke dinding pembuluh darah atau getah bening dan bergerak melalui itu menjadi organ yang baru. Kemudian sel kanker perlu untuk dapat tumbuh dan berkembang di lokasi baru. Selain itu itu, sel kanker harus mampu menghindari serangan dari sistem kekebalan tubuh. Sel kanker akan melalui semua langkah ini. Maka dari itu, sel-sel yang menjadi tumor baru mungkin tidak lagi persis sama dengan yang tumor pada saat mulai masuk ke dalam organ serta dapat membuat pengobatan lebih sulit.

Gambar 1. Alur Proses Metastasis

METODE PENELITIAN Metode Identifikasi Kanker Serviks

Identifikasi kanker serviks terdiri dari dua tahap kerja yaitu, tahap identifikasi warna dan tahap identifikasi area metastasis. Kedua tahap tersebut memiliki fungsi masing-masing dalam proses identifikasi dan merupakan suatu urutan yang telah ditentukan. Untuk melakukan proses pada tahap identifikasi area metastasis harus melalui proses pada tahap identifikasi warna terlebih dahulu. Tahap-tahap dalam identifikasi kanker serviks diperlihatkan pada Gambar 2.
Tahap Identifikasi Warna Tahap Identifikasi Area Metastasis Tingkat Keseriusan Kanker Serviks

Data Citra

Gambar 2. Tahap Identifikasi Kanker Serviks Tahap Identifikasi warna dan tahap identifikasi area metastasis terdiri dari tahapan kerja yang dilakukan secara berurutan. Penjelasan lebih lanjut dijabarkan pada subbab berikut ini.

Tahap Identifikasi Warna Pada citra yang telah melalui tes uji IVA, terdapat area metastasis yang menjadi pembeda dalam identifikasi kanker serviks. Area metastasis yang berwarna putih yang biasa disebut sebagai acetowhite merupakan indikator penting dalam identifikasi kanker serviks (Raad, 2006). Selain itu, dengan menggunakan perubahan warna yang dialami area metastasis dapat menambah akurasi dari tolak ukur dalam proses identifikasi. Hal itu disebabkan karena reaksi dari sel kanker terhadap asam asetat yang merubah warna area metastasis menjadi berwarna putih. Proses identifikasi warna dilakukan dengan menggunakan perangkat lunak Adobe Photoshop CS3. Langkah-langkah yang dilakukan dalam identifikasi warna dapat diperlihatkan pada Gambar 3.
Konversi Citra ke Ruang Warna Lab Mengambil Nilai a dan b Citra

Data Citra

Matriks

Menyimpan dalam Matriks

Gambar 3 Langkah-langkah Identifikasi Warna

Tahap Identifikasi Area Metastasis Pada tahap identifikasi area metastasis dilakukan sejumlah proses identifikasi area metastasis sebagai objek konsentrasi citra yang dilakukan pada perangkat lunak Matlab 7.11. Terdapat beberapa tahapan yang dilakukan dalam proses identifikasi kanker serviks. Tahap yang dilakukan diperlihatkan pada Gambar 4.
Konversi ke Ruang Warna Lab Membaca Matriks Pembagian Area Citra

Data Citra

Resize Citra

Hasil Identifikasi dan Tingkat Keseriusan

Mengambil Objek Konsentrasi Citra

Membersihkan Objek Pada Tepi Citra

Dilasi Citra

Gambar 4 Langkah-langkah Identifikasi Area Metastasis

HASIL DAN PEMBAHASAN Setelah melakukan kedua tahap identifikasi kanker serviks, penentuan tingkat keseriusan kanker serviks dilakukan dengan menggunakan hasil dari Luas area metastasis yang teridentifikasi. Dalam menghitung Luas area metastasis digunakan fungsi regionprops pada Matlab. Luas area metastasis yang diperoleh dari hasil identifikasi menggunakan satuan piksel. Citra hasil identifikasi yang dilakukan proses perhitungan Luas area diperlihatkan pada Tabel 1. Tabel 4.3 Hasil Identifikasi Luas Area Metastasis

Luas area metastasis yang diperoleh dari hasil identifikasi citra kanker serviks adalah 18617 piksel. Untuk proses perhitungan, maka : Luas area = 18617 piksel x 0.264583333 mm = 4925.747910461 mm

Tingkat keseriusan berdasarkan aturan oleh International Federation of Gynecology and Obstetrics (FIGO) bahwa tingkat keseriusan awal dari kanker serviks dimana Luas area metastasis adalah kurang dari sama dengan 7 mm. Untuk Luas area yang lebih dari 7 mm dinyatakan sebagai tingkat keseriusan lanjut. Maka dari itu Luas area dari identifikasi citra kanker serviks dinyatakan memasuki tingkat keseriusan lanjut karena area yang terhitung sebesar 4925.75 mm dengan kata lain lebih dari 7 mm.

PENUTUP Kesimpulan Berdasarkan hasil penelitian dapat disimpulkan, area metastasis kanker serviks dan tingkat keseriusan dapat teridentifikasi dengan menggunakan metode ruang warna L*a*b*. Hasil identifikasi dapat dijadikan sebagai alternatif solusi untuk mengidentifikasi kanker serviks selain melalui ahli medis. Pada proses penelitian, terdapat beberapa hal yang menjadi kekurangan terutama pada proses pencarian dan pengumpulan data. Data berupa citra kanker serviks yang diperoleh merupakan citra yang tidak diketahui kualitasnya, apakah citra kanker serviks tersebut merupakan citra hasil dari alat kolposkop langsung atau citra hasil dari poto digital citra kolposkop. Selain itu, citra kanker serviks tidak diketahui jarak pengambilan antara alat kolposkop dengan objek sehingga sulit dalam penentuan luas area metastasis untuk mengetahui tingkat keseriusan kanker serviks. Pencahayaan objek dan ukuran piksel dari masing-masing citra berbeda-beda sehingga sulit untuk mendapatkan nilai intensitas piksel yang seragam dari area metastasis.

Saran Pada pengembangan identifikasi area metastasis kanker serviks dan tingkat keseriusan selanjutnya, terdapat beberapa saran untuk mengatasinya. Data citra kanker serviks dapat digunakan dari satu sumber dengan pencahayaan dan ukuran piksel yang sama antara masingmasing citra. Selain itu, untuk kekurangan dalam hal kualitas dan jarak pengambilan data citra dapat ditanyakan lebih lanjut pada sumber asal citra yang didapatkan. Penggunaan citra yang memiliki pengaturan dasar yang sama untuk setiap citra akan mendukung proses identifikasi area metastasis kanker serviks dan tingkat keseriusan menggunakan metode ruang warna L*a*b*.

DAFTAR PUSTAKA

Affandi, Ardi. 2010. Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt , Skripsi Jurusan Teknik Informatika Universitas Gunadarma : Depok. Anonim. 2008. Skrining Kanker Leher Rahim dengan Metode Inspeksi Visual Asam Asetat (IVA), Departemen Kesehatan Republik Indonesia : Jakarta. Anonim. 2011. American Cancer Society. http://www.cancer.org/. Tanggal akses : 1 Agustus 2011. Anonim. 2011. Geneva Foundation for Medical Education and Research. Tanggal akses : 28 Juli 2011. Dianta Ginting, Elias. 2009. Deteksi Tepi Menggunakan Metode Canny dengan Matlab untuk Membedakan Uang Asli dan Uang Palsu, Skripsi Jurusan Teknik Informatika Universitas Gunadarma : Depok. Greg. 2005. Microsoft Developer Network Where does 96 DPI comefrom Windows?. http://blogs.msdn.com/b/fontblog/archive/2005/11/08/490490.aspx. Tanggal akses : 10 November 2011. Gonzalez, R.C. & R.E. Woods. 2002. Digital Image Processing Second Edition, Prentice Hall : New Jersey. Heriana, Octa, Thomas Sri Widodo dan Indah Soesanti. 2010. Segmentasi Berbasis Warna pada Citra Termografi Kanker Payudara Menggunakan Ruang Warna L*a*b*, Skripsi Fakultas Teknik Universitas Gadjah Mada : Yogyakarta. Hughey. 2008. Operational Medicine. http://www.operationalmedicine.org/. Tanggal akses : 30 Juni 2011. Kristanto, Denni. 2010. Aplikasi pengolahan Citra X-Ray Organ Tubuh : Perbaikan Kualitas dan Segmentasi Menggunakan Java dan MySQL, Skripsi Jurusan Teknik Informatika Universitas Gunadarma : Depok. Lelekakis M, Moseley JM, Martin TJ et al. 1999. A novel orthotopic model of breast cancer metastasis to bone. Clin.Exptl.Metastasis : Lestari, Intan. 2010. Implementasi Metode Hough Transform Pada Citra Skeletonisasi dengan Menggunakan Matlab 7.6, Skripsi Jurusan Teknik Informatika Universitas Gunadarma : Depok. Marko T, Jurij F. T. 2003. Colour Spaces perceptual, historical, and applicational background, University of Ljubljana : Ljubljana. Rinaldi, Munir. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika : Bandung. Raad V. V., Zhiyun X. dan Holger L. 2006. Lession Margin Analisys for Automated Classification of Cervical Cancer Lesions, Honolulu. Spencer, Juliet. 2007. Cervical Cancer Deadly Diseases and Epidemics, Chelsea House : New York. Welch, Danny. 2002. Cancer Metastasis Related Genes, Kluwer Academic Publishers : New York.

Wijaya, Marvin Ch. dan Agus Prijono, Pengolahan Citra Digital Menggunakan Matlab, Informatika, Bandung, 2007.