ABSTRAKSI: Salah satu cara penegakkan diagnosis kelainan massa pada organ reproduksi wanita untuk jenis kista adalah dengan melakukan pembacaan citra hasil USG secara manual. Permasalahan yang ada kemudian adalah sifat subjektif masing-masing radiolog dalam penginterpretasian citra. Karenanya dirasakan perlu untuk membuat sebuah media deteksi awal yang bersifat objektif sebagai alat identifikasi eksistensi dan jenis kelainan massa kistik pada organ reproduksi wanita.
Citra USG memilki karakteristik dengan kontras rendah, noise tinggi, dan banyak mengandung redaman artifak. Karenanya realisasi sistem difokuskan kepada metode segmentasi yang dipakai dalam memisahkan objek teliti dengan background melalui region split and merge. Metode ini termasuk segmentasi berbasis wilayah yang menekankan pada kesamaan kriteria elemen citra. Tahapan perancangan sistem meliputi preprocessing global untuk meningkatkan kualitas citra USG, segmentasi dengan region split and merge untuk memisahkan Region of Interest (objek kista) dengan background (rahim normal), dan analisa objek kista pada suatu citra USG dengan tambahan beberapa pertanyaan analisa gejala. Output sistem yang dihasilkan berupa diameter kista ovarium, diagnosa awal jenis kista ovarium dan pentalaksanaan lanjut yang sesuai untuk masingmasing diagnosa.
Data citra yang digunakan adalah 36 citra USG rahim berkista. Dari hasil pengujian, diperoleh tingkat akurasi sistem sebesar 88.89 %. Waktu komputansi sistem untuk mengeksekusi keseluruhan proses adalah 10.218-12.000 detik.Kata Kunci : Kata Kunci: kista ovarium, identifikasi, citra USG, region split and merge.ABSTRACT: One way to diagnose the abnormal mass in female reproductive organs for cyst type is to do a reading the ultrasound image manually. Problems that occur later is the subjectivity each radiologist in interpreting US image. Therefore it is necessary to make an early detection tool that is objective for identifying the existence and type of disorder cystic mass on female reproductive organs.
Ultrasound image has characteristics with low contrast, high noise, and contain a lot of artifacts attenuation. Hence the realization of the system focused on segmentation method in order to separating the targeted object with the background through region split and merge. These methods include segmenting based on region that emphasizing the similar criterion of the image’s element. Stages of system design includes a global preprocessing to enhance image quality, segmentation using region split and merge to separate Region of Interest (cyst object) with background (normal uterus), and cyst object analysis of ultrasound image with the addition of several questions to analyze the symptoms. Output system resulting diameter of ovarian cyst, early diagnosis of ovarian cysts types and next treatment information that suitable for each diagnosis.
Image data that have been used is 36 US images of cyst within ovary. From the examination, obtained system accuracy rate is 88.89%. System computational time for execute the whole process is about 10.218-12.000 s.Keyword: ovarian cyst, identification, US image, region split and merge.