Program Magister

Bidang Keahlian Telematika

Jurusan Teknik Elektro FTI ITS

Dosen Pembimbing Dr. I Ketut Eddy Purnama, S. T., M. T. Moch Hariadi S.T, MSc, PhD

Masih banyaknya penderita TBC di Indonesia (Endang rahayu Sedyoningsih. detikbandung, 2010)

Penyebaran penderita TBC hingga kepelosok negeri

Pemeriksaan dahak hanya dilakukan dirumah sakit yang besar

Diperlukannya suatu sistem portabel yang mampu mempermudah kerja petugas kesehatan

Pemeriksaan dengan menggunakan dahak merupakan jenis pemeriksaan yg murah dan efesien

Bagaimana proses segmentasi bakteri tbc menggunakan metode Max-tree dan Matematika Morfologi, dimana letak bakteri tersebar secara acak pada citra hasil pemeriksaan mikrokopis

Bagaimana memisahkan node-node yang mengandung Bakteri dari objek yang lain yang terdapat pada citra pemeriksaan dahak

Mengembangkan suatu sistem pendeteksi bakteri Mycobacterium Tuberkulosis dan juga mampu menghitung jumlah dari bakteri tersebut

Memanfaatkan metode max-tree dan matematika morfologi untuk mendeteksi bakteri Mycobacterium Tuberkulosis

citra pemeriksaan

mikroskopis dahak

penderita tbc

pra-procesing /

perbaikan citra

proses

pembangkitan

Max-Tree

Proses Attribute

Filtering

Proses

morphological

filtering

citra hasil

pencacahan

Proses pengambilan gambar mikroskopis bakteri tbc

Pengambilan data dilakukan di rumah sakit Paru Dungus Madiun pada bulan november 2012

•Ukuran Gambar: 1280 X 960 •Format: TIFF •Besar file:3,5 MB

Preprosesing proses operator top-hat close by reconstruction guna untuk

menormalisasi latar dan agar bakteri tbc semakin keliatan. Proses opening dengan tujuan untuk menghilangkan objek-objek yang

kecil dan bagian-bagian yang menonjol operator area open guna menghilangkan objek-objek kecil yang

ukurannya lebih kecil dari ukuran bakteri. proses pembangkitan Max-Tree dan filtering

Proses diawali dari node root atau node yang memiliki nilai level keabuan yang paling rendah sampai menuju cabang tree atau regional maxima dari region yang ada pada citra.

diawali dari node root atau node yang memiliki nilai level keabuan yang paling rendah sampai menuju cabang tree atau regional maxima dari region yang ada pada citra.

Proses morphological filtering Dalam proses matematika morfologi prinsip yang digunakan yaitu

bentuk dari bakteri tbc yang berbentuk batang atau basil. Oleh karena itu dipilih proses penulangan atau perangkaan.

Pencacahan

Mengubah citra asli menjadi citra dalam gray scale konversi citra asli menjadi 448x336, JPG

Proses operator top-hat close by reconstruction guna untuk menormalisasi latar dan agar bakteri tbc semakin keliatan

Proses opening dengan tujuan untuk menghilangkan objek-objek yang kecil dan bagian-bagian yang menonjol

Max-Tree merupakan sebuah tree/pohon yang terbentuk dari node node yang direpsentasikan sebagai sehimpunan zona datar

Tree merupakan sekumpulan piksel dengan intensitas rendah dan Leaf merupakan sekumpulan piksel dengan intensitas tertinggi dalam citra

Node citra asli : ± 3900249 node

Node citra setelah dikonversi: ± 170 node

Node citra setelah preprosesing: ± 13node

Skeletoning: Bakteri tbc berbentuk tabung Filtering menggunakan prinsip bentuk dasar dari bakteri tbc

Pencacahan dilakukan karena dengan mengetahui jumlah bakteri agar bisa mengetahui kondisi pasien

Pembacaan hasil pemeriksaan dahak dilakukan dengan menggunakan skala IUATLD ( International Union Against Tuberculosis and Lung Diseases ): Tak ditemukan BTA dalam 100 lapangan pandang, disebut

negative. Ada 1-9 BTA dalam 100 lapangan pandang, ditulis jumlah

kuman yang ditemukan Ada 10-99 per 100 lapangan pandang disebut + atau 1+ ada 1-10 BTA per lapangan pandang disebut ++ atau 2+ ada > 10 BTA per lapangan pandang disebut +++ atau 3+ penulisan gradasi hasil bacaan penting untuk menunjukan keparahan penyakit, derajat penularan dan evaluasi pengobatan (Abiyoso,2003)

Gambar No Jumlah hitung

manual

Jumlah hitung

sistem

Tingkat

keakuratan %

1 29 24 82,7%

2 12 11 91,6%

3 21 15 71,4%

4 22 16 72,7%

5 13 9 69,2%

6 13 9 69,2%

7 16 14 87,5%

8 27 24 88,8%

9 15 13 86,6%

10 19 12 63,1%

11 18 10 55,5%

Total 205 157 76,5%

Rata-rata akurasi yang didapatkan adalah sebesar 76,5 % dengan jumlah citra uji sebanyak 11 citra uji. Didapatkan hasil segmentasi bakteri pada citra walaupun posisinya tersebar secara acak. Selain itu juga berhasil mengekstrak bakteri yang berada dekat dengan noise. Nilai parameter segmentasi attribute seperti area bergantung kepada keadaan citra mikroskopis dahak itu sendiri, sehingga proses image enhancement dengan menggunakan metode operasi morfologi seperti opening dan closing masih perlu dilakukan Pada bidang pencitraan medis, penelitian ini memberikan kontribusi dalam hal metode alternatif untuk deteksi bakteri pada dahak penderita tbc sehingga perlu adanya penelitian dan pengembangan lebih lanjut.