Bambang Krismono Triwijoyo Menjadi Doktor Ke-17 Doctor of Computer Science BINUS University

Jurusan Doctor of Computer Science BINUS University kembali melahirkan Doktor-nya, melalui Sidang Promosi Doctor of Computer Science atas nama Bambang Krismono Triwijoyo pada hari Senin, 2 November 2020 di Ruang B0301 Kampus Alam Sutera, BINUS University. Promovendus Bambang Krismono Triwijoyo mengusung disertasi yang berjudul ”Deep Learning Approach For Classification of Hypertension Retinopathy Using Convolutional Neural Network And Restricted Boltzmann Machines”.

Dalam penelitiannya, promovendus dibimbing oleh tiga pembimbing yang di antaranya adalah Prof. Dr. Ir. Edi Abdurachman, M.S., M. Sc. sebagai promotor, Prof. Dr. Ir. Widodo Budiharto, S.Si., M.Kom., IPM sebagai co-promotor 1, dan Dr. Dr. H. Boy Subirosa Sabarguna, MARS sebagai co-promotor 2. Dalam sidang yang digelar di tengah pandemi ini, tentunya pihak BINUS University telah memperhatikan keamanan dengan menerapkan protokol kesehatan yang ketat.

Dari penelitian yang dilakukan oleh promovendus Bambang Krismono Triwijoyo, secara garis besar adalah membangun model komputasi untuk klasifikasi penyakit mata, retinopati hipertensi, menggunakan dasar citra atau gambar retina mata pasien.

Model ini mengklasifikasikan seseorang dengan penyakit retinopatinya secara bertahap, apakah normal atau grade satu atau sampai yang paling akut adalah stadium 4. Jadi, model ini memang sudah diaplikasikan oleh peneliti dalam sebuah aplikasi mobile yang bisa digunakan oleh dokter mata untuk melakukan analisis penyakit retinopati hipertensi jarak jauh dengan menggunakan telemedicine.

Sehingga, hal ini dipandang penting terutama di era Covid-19 untuk menghindari kontak langsung antara dokter dan pasien. Selain itu juga untuk pasien-pasien yang ada di daerah remote, yang mana tidak terdapat dokter ahli mata.

Penelitian ini sangatlah berguna untuk diaplikasikan. Model ini memang baru pada tahap prototype versi alpha. Sehingga perlu dilakukan riset lanjutan untuk bisa dikomersialisasikan. Jadi, rencana berikutnya dari peneliti adalah melanjutkan riset ini, kemudian mencari dana untuk bisa menjadi produk yang siap dikomersilkan.

Disertasi Promovendus Bambang Krismono Triwijoyo

Di dalam serangkaian penelitian disertasi yang dilakukan oleh promovendus ambang Krismono Triwijoyo adalah melakukan pengamatan secara langsung terhadap citra retina dari pasien. Cara ini diakui peneliti memiliki kendala, di mana sangat mengandalkan ketelitian mata dokter serta pengalaman profesi dokter profesional.

Di sisi lain, kemajuan teknologi deep learning di dalam melakukan klasifikasi citra atau gambar hasilnya sangat baik. Sehingga dimungkinkan menggunakan pendekatan ini untuk klasifikasi retinopati hipertensi berdasarkan citra retina.

Tujuan dari penelitian ini adalah untuk mengidentifikasi model optimum dari klasifikasi retinopati hipertensi dengan dua model yang berupa Convolutional Neural Network (CNN) dan Restricted Bloztmann Machine (RBM) khususnya pada status awal dari penyakit retinopati hipertensi yang sangat sulit diamati dengan mata secara langsung. Kemudian juga untuk mengimplementasikan model optimum tersebut menggunakan data set dari rumah sakit provinsi di Nusa Tenggara Barat (NTB).

Lalu untuk kontribusi atau novelti yang dihasilkan dari disertasi ini adalah berupa rangkaian algoritma untuk menentukan rasio arteri vena yang menjadi dasar di dalam penentuan data set. Jadi peneliti telah meng-introduce dua data set baru. Yang pertama dari sumber messidor, public, data set, dan rumah sakit provinsi NTB.

Data set tersebut peneliti introduce krn berasal dari 9 class yang peneliti usulkan. Di mana merupakan pengembangan dari klasifikasi yang sebelumnya yaitu 5 class. Diharapkan nantinya bisa

menghasilkan yang lebih teliti khususnya untuk stadium awal. Secara praktis model ini bisa diaplikasikan sebagai alat bantu dokter di dalam melakukan diagnosis penyakit retinopati hipertensi.

Sedangkan penelitian terdahulu yang berkaitan dengan retinopati hipertensi diketahui sangat banyak. Tetapi yang menggunakan pendekatan secara deep learning belum ada. Rata-rata adalah dengan menggunakan AVR. Peneliti mengusulkan data set baru dengan jumlah sebanyak 1200 item citra masing-masing. Serta pendekatan yang diusulkan CNN dan RBM dengan hasil masing-masing akurasinya di atas 89%.

Secara umum, model tersebut ada 8 tahap mulai dari preresizing, resizing citra input, segmentasi pembuluh darah, scoring untuk masing-masing data citra berdasarkan AVR, kemudian peneliti berikan label, proses pelatihan dan testing model dengan beberapa skenario uji coba untuk mendapatkan model yang optimal dan yang paling baik hasilnya.

Kemudian peneliti implementasikan model tersebut menggunakan data set dari rumah sakit umum provinsi Mataram, membandingkan hasil model dengan hasil klasifikasi dari tiga orang pakar yang telah peneliti ambil sampelnya dari rumah sakit provinsi Mataram, dan kemudian dievaluasi hasilnya.

Dalam hal ini, peneliti telah mengusulkan untuk menggunakan region of interest di sekitar optic disk. Jadi, ketika citra retina ada bagian yang lebih terang di tengah, maka peneliti melakukan pemotongan, yang kemudian dilakukan deteksi terlebih dahulu tentang lokasi optic disk lalu peneliti cropping menjadi ukuran 256 × 256. Selanjutnya dihitung AVR-nya untuk menjadi dasar dalam penentuan label.

Terdapat 9 class yang diusulkan, yakni antara normal dan stadium 1 dan seterusnya, di mana peneliti menyebutnya dengan sebutan border line atau batas antara. Model CNN yang ditemukan paling optimal dengan 15 layer dan 9 output class. Sedangkan untuk model RBM inputnya sama. Untuk visible layer ada 196608 nodes lalu hidden layer-nya 1500 nodes dengan learning rate 0,05 yang menghasilkan paling optimal. Untuk model CNN tiap layer convolutional mengekstrak features yang berbeda-beda.

Perbandingan antara hasil klasifikasi dari 3 orang pakar terlihat bahwa memiliki perbedaan yang cukup signifikan. Anntar pakar sendiri memiliki perbedaan hasil karena masing-masing mempunyai pengalaman profesional yang berbeda-beda. Diketahui pakar yang memiliki pengalaman profesional di atas 20 tahun mempunyai selisih yang paling kecil dengan hasil model yang sudah dibangun oleh peneliti. Baik untuk data set messidor maupun data set sumber dari rumah sakit umum provinsi NTB.

Kesimpulan yang bisa ditarik dalam penelitian disertasi dari promovendus Bambang Krismono Triwijoyo adalah untuk menghasilkan model klasifikasi retinopati hipertensi yang optimal dalam 9 class bisa didapatkan melalui penerapan algoritma untuk perhitungan AVR sebagai sumber atau dasar dalam penentuan data set untuk 9 class dari data set sudah diusulkan oleh peneliti.

Kemudian, arsitektur dari masing-masing model baik CNN maupun RBM yang menentukan hasil secara optimal yang didapatkan peneliti dari beberapa skenario eksperimen uji coba baik dalam ukuran input kemudian kedalaman jaringan atau layernya, jumlah nodes, fungsi transfer, learning rate dan jumlah literasi.

Dalam rekomendasi yan diberikan peneliti adalah mengembangkan algoritma untuk menghitung rasio lebar arteri dan vena (AVR) untuk pelabelan gambar retina menjadi 9 class hipertensi retinopati dan meningkatkan jumlah sampel gambar retina untuk mendapatkan hasil lebih baik. Lalu memodifikasi model klasifikasi retinopati hipertensi dengan menggabungkan algoritma mesin lainnya.

Selain itu menggunakan database citra retina lain dengan data set berjumlah banyak dan menggabungkan masukan citra retina dengan parameter hasil pemeriksaan laboratorium untuk hasil yang akurat. Serta mengembangkan penerapan klasifikasi retinopati hipertensi model level 7 dari Technology Readiness Level (TRL) untuk industri berskala dan mendapatkan hak kekayaan intelektual.

Melalui proses penelitian yang telah dilakukan, Bambang Krismono Triwijoyo mendapatkan gelar Doktor of Program Computer Science (DCS) dengan predikat sangat memuaskan. Promovendus adalah Doktor yang ke-17 dari Doctor of Computer Science (DCS) di BINUS University.