Klasifikasi Citra X-Ray Diagnosis Tuberkulosis Berbasis Fitur Statistis

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%).

Keywords

• Ekstraksi Ciri, Citra X-Ray, Statistis, Histogram glcm, pca