Klasifikasi Citra Retinoblastoma berdasarkan Golongan Internasional dengan menggunakan Metode Capsule Neural Network (CAPSNET)

Abstract

Retinoblastoma is a cancer that starts in the retina or the retinal membrane. Retinoblastoma attacks the retina located in the back of the eyeball. The retina is made up of neural networks that work on the pattern of light it takes through the optic brain, so that the eye can see objects taken by the retina. Retinoblastoma can cause eye crossed, blindness and facial damage to reach a severe level. Retinoblastoma can be diagnosed by ultrasonography (USG), magnetic resonance imaging (MRI), computed-tomography (CT-scan), and bone scans that produce the best results that retinoblastoma can indicate. The results of this image then analyzed by a specialist to ensure that the eye is indicated retinoblastoma or not. This settlement process is still done manually. To overcome this problem so that doctors do not do the analysis process manually, we need a method that can use automatic retinal fundus imaging. The method used to classify retinoblastoma in this study is the capsule neural network (CapsNet). The stages carried out before collection and classification are pre-processing (resize, grayscale, and morphological operations). Next in the last step is the process of determining the classification of the retina of the eye. The results of this study prove that the proposed method is able to classify retinoblastoma with an accuracy of 80,85%.

Retinoblastoma adalah kanker yang bermula di retina atau selaput jala mata. Retinoblastoma menyerang retina yang terletak pada dinding bola mata bagian belakang. Retina tersusun atas jaringan saraf yang berfungsi untuk mengirimkan pola cahaya yang ditangkapnya kepada otak melalui saraf optik, sehingga mata bisa melihat objek yang ditangkap oleh retina. Retinoblastoma dapat menyebabkan mata juling, kebutaan serta kerusakan wajah apabila sudah mencapai tingkat yang parah. Retinoblastoma dapat di diagnosis dengan ultrasonografi (USG), magnetic resonance imaging (MRI), computed-tomography scan (CT-scan), dan bone scan sehingga menghasilkan gambaran kondisi retina yang terindikasi retinoblastoma. Hasil dari gambar tersebut kemudian dianalisis oleh dokter ahli memastikan apakah mata terindikasi retinoblastoma atau tidak. Proses mengidentifikasi ini masih dilakukan secara manual. Untuk mengatasi permasalah tersebut agar para dokter tidak melakukan proses analisa secara manual, maka dibutuhkan metode yang dapat mengidentifikasi citra retina fundus secara otomatis. Metode yang digunakan untuk mengklasifikasikan retinoblastoma pada penelitian ini adalah capsule neural network (CapsNet). Tahapan yang dilakukan sebelum identifikasi dan klasifikasi adalah pra-pengolahan (rotate, resize, grayscale, dan morphological close operation ). Selanjutnya pada tahapan terakhir yakni proses untuk menentukan klasifikasi retina mata. Hasil penelitian ini menunjukkan bahwa metode yang diajukan mampu melakukan klasifikasi citra retinoblastoma dengan akurasi sebesar 80,85 %.