Segmentasi bertujuan untuk membagi-bagi area citra. Pada kasus dalam penelitian ini, segmentasi bertujuan membagi area citra MRI tumor otak berdasarkan fitur yang dimiliki oleh citra. Kegiatan segmentasi pada citra MRI tumor otak akanmembantumemisahkan area yang terindikasiadanya tumor dengan area yang tidak ada indikasi tumor. Selain itu, proses segmentasicitra MRI tumor otak mengarahkan area yang akan dijadikan fokus untuk proses diagnosa atau identifikasi. Ketika area-area dari citra MRI tumor otak telah dipisahkan secara optimal berdasarkan fitur dari citra tersebut maka denganmudah dapat teridentifikasi ukuran, bentuk, struktur, lokasi, sertatingkat keganasan dari penyakit tumor otak. Hasilsegmentasi terhadap citra MRI tumor otak sangat mempengaruhi hasil diagnosa secara klinis terhadap pasien tumor otak juga jenis perawatan yang paling tepat terhadap pasien, Isu segmentasi terhadap citra MRI tumor otak masihmenjadi isu yangmenarik untuk diteliti karena keakuratan hasilsegmentasiakanmempengaruhi proses diagnosa awal penyakit tumor otak. Adapun permasalahan-permasalahan yang sering terjadi danmasihmenjadi isu yangmenarik dan penting untuk dijadikan penelitian berikutnya adalah bahwa citra MRI tumor otak biasanya bersifatlow contrast, perbedaan garis batas yang tipis (bad boundaries), struktur otak manusia yang kompleks, penentuan parameter optimal daricitra MRI tumor otak sangat sulit, ukuran citra MRI tumor otak cukup besar, citra MRI tumor otak biasanyagreylevel, segmentasisulit dilakukan karena perbedaan intensitas antara area dalamMRI sangat kecil, dan banyak kasus terdapat perbedaan ukuran, bentuk, dan struktur tumor pada 1 jenis tumor yang sama. Jika segmentasi dilakukan secara manual maka akan menghabiskan waktu yang sangat banyak karena segmentasi dilakukan berdasarkan piksel-piksel dari citra tersebut, juga membutuhkan ketelitian tinggi karenastruktur otak manusiasangat kompleks, dan berpeluangmemunculkan perbedaaan persepsiantara dokter. Permasalahan lain yang berpeluang terjadi pada citra MRI tumor otak adalah bahwa terkadang citra MRI mengalami kerusakan dengan munculnya artifact atau noise yang tidak diinginkan. Kemunculanartifact iniakan mengganggu hasil diagnosa keberadaan tumor sehingga perlu dilakukan pre processing terlebih dahulu terhadap citrainput sebelumproses segmentasi. Selain kualitas citra hasil MRI, kemampuan perangkat pembacaan citra hasil MRI belumefektif karena perangkat tersebut hanya mampu menampilkan citra dari tiga sisi tetapi belumdapat menfokuskan area yang ingin dianalisis secaralanjut. Permasalahan-permasalahan di atas adalah intisari permasalahan penelitian ini yaitu bagaimana cara melakukanpre processing dan segmentasi terhadap citra MRI tumor otak. Penelitian ini mengusulkan kombinasi dari dua pendekatan yaitudeep learning dan transformasisebagai kontribusi dari penelitian ini. Algoritma segmentasi yang diusulkan adalah algoritma Convolution Neural Network(CNN) dan algoritma multi directional wavelet transform (MDWT) untuk pre processing. Sehingga tujuan dari penelitian ini adalah melakukan percobaan laboratorium untuk memodifikasi dari kombinasi algoritma yang diusulkan dalam melakukan pre processing dan segmentasicitra hasil pemindaian denganMRI pasien tumor otak. Tahapan metode penelitian ini meliputi studi literatur, identifikasi dan perumusan masalah, identifikasi solusi, percobaan laboratorium, evaluasi hasil penerapan algoritma, penarikan kesimpulan, penulisan laporan disertasi, dan publikasi. Target luaran penelitian ini adalah perangkat simulasi untuk melakukan pre processing dan segmentasi citra hasil pemindaian dengan MRI dengan menerapkan algoritma yang diusulkan, HaKI, dan publikasi padajurnal nasionalterakreditasi

Citra MRI, Tumor Otak

• Prof. Dr. Ir. Ford Lumban Gaol, S.Si., M.Kom.