Identifikasi Tuberkulosis Paru Berdasarkan Foto Sinar-X Thorax Menggunakan Jaringan Syaraf Tiruan Backpropagation

Penulis

  • Qahtan Said Universitas Pembangunan Nasional Veteran Jakarta
  • Iin Ernawati Universitas Pembangunan Nasional Veteran Jakarta
  • Mayanda Mega Santoni Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.52958/iftk.v17i1.2222

Abstrak

Pengobatan TB tidaklah mudah, pendiagnosaan TB membutuhkan ketelitian yang tinggi. Penelitian ini bertujuan untuk melihat perbandingan performa dari GLCM, Gabor Filter dan gabungan dalam mengidentifikasi tuberkulosis paru dengan metode pengolahan citra digital yang terdiri dari beberapa tahap. Tahapan-tahapan tersebut dimulai dengan mengumpulkan citra Sinar-X paru dari bank data NLM sebanyak 662 citra lalu dilakukan pemilihan citra yang berhasil tersegmentasi saja, yaitu sebanyak 558 citra. Kemudian citra masukan tersebut akan dilakukan peningkatan kualitas citra, segmentasi, ekstraksi RoI, ekstraksi fitur tekstur GLCM dan Gabor Filter, lalu mengklasifikasikan citra dengan dua kelas yaitu : tuberkulosis dan normal menggunakan jaringan syaraf tiruan Backpropagation Levenberg Marquardt. Setelah dilakukan uji performa dengan beberapa percobaan, performa terbaik didapat dengan menggunakan ekstraksi ciri fitur GLCM + Gabor Filter (gabungan) dengan rata-rata accuracy sebesar 84.82%, precission sebesar 86.13%, dan recall sebesar 83.48%. Penelitian ini diharapkan dapat menjadi referensi para peneliti lain untuk menentukan model pengidentifikasian TB paru yang tepat.

Referensi

Andono, P. N., T. Sutojo & Muljono, 2017. Pengolahan Citra Digital. Yogyakarta: Andi.

hidayatullah, p., 2017. Pengolahan citra digital teori dan aplikasi nyata. Bandung: Informatika.

Indah, M., n.d. InfoDATIN, Jakarta: Pusat data dan informasi kementrian kesehatan RI.

N.Munje, P., Kapgate, D. & Golait, S., 2014. Novel Techniques for Color and Texture Feature Extraction. IJSMC, pp. Vol.3, Issue.2, 497-507.

P. M., P. S. & L. G., 2013. Image Texture Feature Extraction Using GLCM Approach. IJSRP, pp. Vol 3, Issue 5.

Putra, D., 2009. Sistem Biometrika Konsep Dasar, Teknik Analisis citra, dan Tahapan Membangun Aplikasi Sistem Biometrika. Yogyakarta: Andi.

T. I., K., Yasin, N. M. & Kusumaningtyas, R. A., 2016. Mengenal anti-tuberkulosis. Yogyakarta: s.n.

WHO, 2018. Global Tuberculosis Report 2018, Geneva: World Health Organzation.

Widiyanto, D., 2020. Tinjauan Algoritma RoI (Region of Interest) dengan Metode. JURNAL INFORMATIK, Volume 16.

Wuryandari, M. D. & Afrianto, I., 2012. Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah. Jurnal Komputer dan Informatika (KOMPUTA), 1(1).

Unduhan

Diterbitkan

2021-05-31

Terbitan

Vol 17 No 1 (2021): April 2021

Bagian

Article

Lisensi

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).