Abstract
Tuberkulosis merupakan salah satu penyebab kematian manusia. Hasil pemeriksaan x-ray diagnosis tuberkulosis dapat dijadikan objek pada proses ekstraksi ciri yang merupakan suatu tahapan dalam mengekstrak ciri/ informasi dari objek yang terdapat pada suatu citra diagnosis tuberkulosis. Pada penelitian ini digunakan metode ekstraksi ciri citra berbasis tekstur statistis orde satu (histogram), orde kedua berbasis Gray-Level Co-occurrence Matrix (GLCM), serta Principle Component Analysis (PCA). Data penelitian diperoleh dari RS Dr. Sardjito Yogyakarta sebanyak 33 citra digital x-ray pasien diagnosis tuberkulosis Tahun 2012 masing-masing 6 citra PA (Postero-Anterior) normal, 19 citra abnormal, 4 citra AP (Antero-Posterior) normal, dan 4 citra AP abnormal. Penelitian ini bertujuan mencari ciri terbaik yang terkandung pada citra x-ray diagnosis tuberkulosis menggunakan analisis tekstur statistis yang diperoleh dari fitur ciri yang terdapat pada metode ekstraksi ciri berbasis tekstur. Fitur ciri yang teridentifikasi antara lain: varians, std deviasi, skewness, kurtosis, contrast dan energy. Klasifikasi menggunakan data input berupa 33 data uji yang dibangun dengan metode Multi Layer Perceptron (MLP), sedang output berupa citra normal dan citra abnormal. Hasil penelitian menunjukkan bahwa akurasi klasifikasi menggunakan metode Histogram (81,81%), metode GLCM (96,96%), metode PCA (81,82%), dan metode kombinasi Histogram GLCM (100%).
Highlights
Tuberculosis is one of the causes of human death
The results of the x-ray examination of tuberculosis diagnosis can be used as an object in the feature extraction process which is a stage in extracting the characteristics of the object contained in an image of a diagnosis of tuberculosis
This study aims to find the best characteristics contained in the x-ray image of tuberculosis diagnosis using statistical texture analysis obtained from features found in feature extraction methods
Summary
Tuberkulosis merupakan penyakit menular yang Republik Indonesia (Depkes-RI), Gerakan Terpadu disebabkan oleh infeksi mycobacterium tuberkulosis Nasional Penanggulangan Tuberkulosis (Gerdunas-TB). Hasil penelitian metode segmentasi berbasis clustering dapat melakukan pengelompokan berdasarkan perbedaan nilai piksel dari suatu citra paru sehingga terdeteksi bagian paru yang terkena tuberkulosis dan yang tidak. Yang akan diuji, akan memudahkan dokter dalam Iwan Setia, 2009 meneliti tentang studi identifikasi membaca, menganalisis, dan memberi gambaran hasil penyakit tuberkulosis pada paru-paru dengan metode terhadap pengujian citra tersebut. Hasil dibuat perangkat lunak untuk identifikasi bakteri uji coba program menunjukkan penggunaan metode tuberkulosis berdasarkan ciri morfologi dan warna PCA yang berbasis pada jaringan syaraf tiruan dapat menggunakan image processing dengan metode memberikan tingkat akurasi yang tinggi pada proses pengenalan jaringan syaraf tiruan backpropagation, (2) pengenalan wajah. Penelitian ini pelatihan terbaik pada nilai learning rate 0,8 dengan error maksimum sebesar 0,001 memiliki iterasi paling sedikit dan dapat mengenali 100% data citra uji validasi.
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
