HASIL DAN PEMBAHASAN
4.1 Hasil Analisis Kualitas Citra
Berdasarkan hasil pengukuran ROI citra, maka dapat dilakukan analisis perhitungan nilai Signal to Noise Ratio (SNR) dan nilai Contras to Noise Ratio
(CNR). Nilai SNR dan CNR merupakan analisis kuantitatif citra untuk menentukan kualitas citra yang dihasilkan. Analisis perhitungan nilai SNR dan CNR dapat diperoleh dengan persamaan (2.15) dan (2.16), sebagai berikut:
𝑁 = 𝑆̅𝑁𝑠𝑖𝑔 𝑎𝑙
𝑖𝑠𝑒 (2.16)
Sinyal (S) merupakan nilai “Mean” pada hasil pengukuran ROI jaringan, sedangkan noise (N) merupakan nilai rata-rata dari standar deviasi mean sinyal pada empat area hasil pengukuran ROI background (Fatimah, 2015). Nilai SNR adalah perbandingan antara sinyal amplitudo suatu jaringan dengan besarnya noise dalam pencitraan MRI (Westbrook dkk, 2011), dimana nilai SNR merupakan nilai yang menjadi acuan dalam kejelasan rekontruksi citra MRI. Pada penelitian ini, nilai SNR akan dievaluasi pada jaringan CSF, WM, GM, Hka, dan Hki. Sedangkan nilai CNR adalah perbedaan nilai SNR antara jaringan yang saling berdekatan (Westbrook dkk, 2011) atau dengan kata lain nilai CNR ini merupakan nilai yang mampu menggambarkan kontras perbedaan yang jelas antara dua atau lebih jaringan yang dipandang secara makro hampir mirip sedangkan secara mikro memiliki perbedaan pada atom penyusunnya. Sesuai dengan nilai SNR yang diperoleh, maka dapat dilakukan evaluasi nilai CNR pada jaringan (CSF-WM), (WM-GM), (GM-CSF), dan (Hka-Hki).
Pada setiap responden akan dilakukan analisis perhitungan nilai SNR dan CNR setiap variasi nilai TI, untuk empat bingkai citra yang terpilih. Selanjutnya diperoleh nilai rerata SNR dan CNR pada 4 bingkai citra masing-masing responden (Lampiran 7). Nilai SNR dan CNR yang diperoleh akan dilakukan uji normalitas data. Uji normalitas data menggunakan uji “Kolmogorov-Smirnov”. Hasil yang diperoleh menunjukkan nilai signifikansi > 0,05 untuk nilai SNR dan CNR semua jaringan, kecuali satu nilai signifikansi < 0,05 yaitu sebesar 𝑝 = , 9 < , 5 pada nilai SNR (Hki) jaringan hipokampus kiri.
Nilai SNR (Hki) jaringan hipokampus kiri yang tidak terdistribusi normal dilakukan transformasi data untuk dapat memenuhi syarat uji MANOVA. Berdasarkan Ghozali (2011), transformasi data bisa dilakukan untuk data yang tidak terdistribusi normal dengan menentukan persamaan transformasi data sesuai dengan bentuk dari histogram distribusi datanya. Gambar 4.3 menunjukan histogram dari distribusi data nilai SNR jaringan hipokampus kiri.
Gambar 4.3 Histogram distribusi data nilai SNR jaringan hipokampus kiri (SPSS 20, 2016)
Hasil histogram menunjukkan data tidak terdistribusi normal dengan tipe “Moderate negative skewness” (Ghozali, 2011), sehingga persamaaan transformasi data untuk permasalah ini sebagai berikut:
𝑘 − 𝑥 (4.1)
Keterangan:
x = variabel yang akan ditransformasikan
Setelah dilakukan transformasi data dan kemudian melakukan uji normalitas kembali maka distribusi data untuk SNR jaringan hipokampus kiri (Hki) menjadi normal dengan nilai signifikansi sebesar 𝑝 = ,357 > , 5. Kesimpulan uji normalitas data untuk setiap nilai SNR dan nilai CNR seluruh jaringan terdistribusi normal (Lampiran 7).
Metode analisis statistika selanjutnya dengan menggunakan Uji MANOVA (Multivariate Analysis of Variance). Uji MANOVA sendiri memiliki fungsi untuk mengukur variabel-variabel independen terhadap beberapa variabel dependen sekaligus atau secara bersamaan (Ghozali, 2011). MANOVA merupakan bentuk multivariat dari analysis of variance (ANOVA), dimana yang dimaksud multivariat adalah terdapat lebih dari satu variabel terikat. Oleh karena itu, pada penelitian ini digunakan uji MANOVA terhadap kelompok normal dan kelompok kelainan untuk mengetahui pengaruh waktu pembalik TI sebagai variabel independen terhadap nilai SNR dan nilai CNR jaringan sebagai variabel dependen.
Tests Multivariate atau uji F merupakan salah satu hasil analisis ada tidaknya pengaruh variasi TI terhadap nilai SNR dan CNR. Berdasarkan uji F yang telah dilakukan disimpulkan bahwa adanya pengaruh yang signifikan dari variasi TI terhadap nilai SNR dan CNR.
Analisis Tests Multivariate menunjukkan nilai p pada bagian “Perlakuan” adalah empat uji multivariat yang berbeda untuk nilai SNR dan nilai CNR seluruh jaringan. Empat uji multivariat yang dilakukan adalah uji Pillai’s Trace, Wilks’ Lamda, Hotelling’s Trace, dan Roy’s Largest Root. Hasil yang ditampilkan dari keempat uji memberitahukan bahwa ada pengaruh yang signifikan dari variasi TI
terhadap nilai SNR dan CNR karena keempat nilai Sig. menunjukkan (p < 0,05) dengan nilai p sebesar 0,000. Kesimpulannya variasi TI berpengaruh signifikan terhadap nilai SNR dan CNR seluruh jaringan yang dievaluasi (Lampiran 7).
Pada uji MANOVA ini juga dapat dilakukan uji Post Hoc. Uji Post Hoc
sendiri memiliki tujuan untuk mengetahui perbedaan antar perlakuan variasi TI dalam mempengaruhi nilai SNR dan CNR jaringan yang dievaluasi. Sebelum melakukan uji Post Hoc, terlebih dahulu melihat hasil “Uji Homogenitas” untuk nilai SNR dan CNR seluruh jaringan. Uji homogenitas ini digunakan untuk mengetahui data memiliki varian yang homogen atau tidak.
Uji homogenitas pada uji MANOVA ini menggunakan uji Levene atau
Levenes’s Test. Hasil uji homogenitas selanjutnya akan digunakan untuk melakukan uji lanjutan yaitu uji Post Hoc. Data yang memiliki varian yang sama atau homogen uji Post Hoc yang digunakan adalah uji “Tukey” sedangkan untuk data yang memiliki varian yang tidak homogen menggunakan uji “Games-Howell”. Varian data dikatakan homogen jika nilai p > 0,05.
Hasil uji homogenitas untuk nilai SNR dan nilai CNR seluruh jaringan, terlihat pada Tabel 4.1.
Tabel 4.1 Homogenitas nilai SNR nilai CNR SNR dan CNR Jaringan Sig. (p) Cerebrospinal Fluid (CSF) 0,820
White matter (WM) 0,010
Gray matter (GM) 0,460
Hipokampus kanan (Hka) 0,163 Hipokampus kiri (Hki) 0,000
CSF-WM 0,321
WM-GM 0,961
GM-CSF 0,344
Pada hasil uji homogenitas ini, nilai p pada SNR jaringan cerebrospinal fluid
(CSF), gray matter (GM), hipokampus kanan (Hka), dan CNR jaringan CSF-WM, WM-GM, GM-CSF, Hka-Hki, nilai p > 0,05 sehingga data memiliki varian yang homogen dan dapat dilakukan uji lanjutan Post Hoc menggunakan uji “Tukey”. Sedangkan pada hasil uji homogenitas nilai SNR jaringan white matter (WM), dan hipokampus kiri (Hki), nilai p < 0,05 sehingga data dikatakan tidak memiliki varian yang homogen dan dapat dilakukan uji lanjutan Post Hoc menggunakan uji “Games-Howell”.