Jakarta, NusamandiriNews – Ilmu Komputer, yang diketahui banyak orang merupakan ilmu yang berkaitan dengan programming dan perangkat keras. Namun, seiring perkembangan ilmu komputer, kini sudah banyak memberi kontribusi pada hampir semua bidang termasuk bidang kesehatan.
Peran ilmu komputer dalam bidang kesehatan, salah satunya yakni dapat mendeteksi keberadaan sel Pap Smear yang besarnya bekisar antara 5m – 8m, juga dapat mengidentifikasi bagian sitoplasma yang merupakan komponen dari sel Pap Smear. Dengan pekembangan ilmu komputer ini, maka dapat membantu ahli patologi dalam mendeteksi kelainan sel yang mungkin terjadi.
Baca Juga : Aplikasi Administrasi Rawat Jalan Untuk Membantu dan Memudahkan Rumah Sakit
Istilah Pap Smear sendiri adalah teknis untuk mendiagnosa penyakit yang mengancam kaum hawa sehingga menjadi barometer dari deteksi awal kanker mulut rahim. Pengambilan lendir dengan alat spatula dan ditempatkan pada wadah yang disebut dengan preparate merupakan hal yang dilakukan dalam teknik dari Pap Smear. Selanjutnya ahli patologi akan memeriksanya dengan menggunakan mikroskop.
Sel Pap Smear ini menyerupai telur mata sapi, dimana terdapat dua bagian penting yaitu inti sel dan sitoplasma. Bagian inti sel, berada di bagian tengah dan sitoplasma yang mengelilingi inti selnya. Ukuran dan warna dari setiap sel ini mempengaruhi level keganasan dari penyakit kanker serviks. Oleh karenanya, tahapan menemukan keberadaan sel akan menjadi pijakan utama untuk proses selanjutnya.
Untuk mendapatkan gambar dari sel serviks ini, diperlukan kamera Logitech (web cam Logitech HD C525) yang disesuaikan dengan mikroskop optik (Olympus CH20). Pembesaran 40x digunakan dan hasilnya disimpan dalam format JPEG.
Mempelajari dari penelitian sebelumnya, yakni penelitian citra pap smaer yang didominasi pada topik segmentasi dan klasifikasi, karena kedua topik ini masih menjadi trend di 10 tahun terakhir ini.
Pendefinisian suatu gambar (citra) atau yang disebut dengan analisis fitur pada area sitoplasma dalam citra sel Pap Smear menjadi sesuatu yang menarik. Hal tersebut, di karenakan keterbatasan gambar dan kompleksitas perubahan morfologis pada bagian struktural sel. Analisis fitur pada area sitoplasma merupakan hal yang penting dalam proses menganalisis gambar biomedis. Hal tersebut disebabkan oleh latar belakang yang memiliki banyak penghalang (noise) dan komplek serta kontras sitoplasma yang buruk.
Ada banyak metode yang digunakan untuk mengidentifikasi ukuran sitoplasma, metode segmentasi untuk luas pada citra pap smear yang memanfaatkan fitur Gray Level Co-occurrence Matrix (GLCM). Teknik pada GLCM adalah melakukan analisis tekstur. Tingkat abu-abu Matriks Co-Occurrence memiliki dua parameter penting yaitu jarak dan arah. Metode ekstraksi fitur GLCM merupakan matriks yang menggambarkan frekuensi kemunculan dua piksel.
Penelitian ini dilakukan untuk melihat sejauh mana proses segmentasi (pengelompokan) citra warna sitoplasma dengan menggunakan citra sel tunggal normal sehingga dapat dihasilkan fitur-fitur dari analisis tekstur dan bentuk.
Untuk menganalisis bentuk dari sitoplasma, maka digunakan metode konversi warna RGB (Red, Green, Blue) menjadi konversai warna HSV (hue, saturation, value) yang menghasilkan nilai metric dan eccentricity.
Kemudian dilanjutkan dengan proses untuk menentukan citra threshold dan menghitung luas area dengan mengubah citra threshold menjadi citra biner.
Baca Juga : Implementasikan Data Mining Dalam Membantu Pengambilan Keputusan Untuk Penerimaan Tenant
Sedangkan untuk analisis tekstur, dilakukan analisis menggunakan metode Gray Level Co-occurence Matrix (GLCM) yang menggunakan metode K-means sehingga didapatkan parameter contrast, correlation, energy, dan homogenity.
Hasil dari penelitan ini didapatkan hasil segmentasi (pengelompokan) terhadap sampel citra sel tunggal normal Pap Smear sehingga dapat dilakukan dengan baik dan mampu mendapatkan fitur Metrix, Ecentricity, Contrast, Correlation dan Energy. Dengan demikian area pada sitoplasma dapat terdeteksi guna mendeteksi keberadaan sel kanker serviks sedini mungkin.
