Ciri Statistis Histogram Citra Sinar-X Untuk Deteksi Tb Paru Dengan Komputer

Ratnasari N R, Nurokhim Nurokhim

Abstract


Penelitian ini mengembangkan metode pendeteksian penyakit TB paru dengan komputer menggunakan ciri statistis histogram citra sinar-X digital. Pendeteksian meliputi pra-proses ekualisasi histogram, proses segmentasi citra dengan pengambilan area paru berdasar ROI template, ekstraksi ciri statistis histogram citra dengan metode PCA (Principle Componen Analysis), dan klasifikasi dengan minimum distance clasifier. Uji coba memperlihatkan metode histogram ekualisasi dan penggunaan ROI template yang tepat memberi kontribusi positif dalam kalkulasi ciri statistis histogram citra. Penerapan tranformasi PCA dalam ekstraksi ciri dan dikombinasikan dengan fungsi pengklasifikasi minimum distance classifier memperlihatkan hasil uji pendeteksian yang cukup baik. Pada uji coba dengan data citra uji primer, pada penggunaan jarak Mahalanobis akurasi pendeteksian mencapai 95,455%, sedangkan pada penggunaan jarak Euclidean, dengan akurasi mencapai 94,318%. Meskipun demikian, hasil uji coba penerapan metoda ini pada data citra sekunder tidak memperlihatkan akurasi sebaik pada penerapan pada data citra primer. Kondisi data citra sekunder berbeda dengan citra primer menjadi penyebab perbedaan akurasi tersebut, dan menjadi peluang penelitian lanjutan untuk mengatasi perbedaan tersebut. .
Kata-kata kunci: TB paru, citra sinar-X, ciri statistik

References


Pusponegoro, Hardiono D., “Standar Pelayanan Medis Kesehatan Anakâ€, first ed., Badan Penerbit IDAI, Indonesia, (2005).

Depkes, 2011. â€Strategi Nasional Pengendalian TB di Indonesia 2010 – 2014â€.

Research and Development Team Health Professional Education Quality (HPEQ) Project. “Potret Ketersediaan Dan Kebutuhan Tenaga Dokterâ€, Ditjen Dikti Kemendikbud, 2010.

Kachanubal, T., Udomhunsakul, S. 2008, “Rock Textures Classification Based on Texturaland Spectral Features. World Academy of Scienceâ€, Engineering and Technology 39, (2008) 110 – 116.

Mitrea, D., S.Nedevschi, M.Lupsor, R.Badea, “Exploring the Textural Parameters obtained from Ultrasound Images for Modeling the Liver Pathological Stages in the Evolution towards Hepatocellular Carcinomaâ€, In IEEE Conference of Automation, Quality and Testing, Robotics, vol. 3, no., pp.128-133, 22-25 May. 2008

Aggarwal, N.; R. K. Agrawal, “First and Second Order Statistics Features for Classification of Magnetic Resonance Brain Images,†Journal of Signal and Information Processing, 2012, 3, 146-153.

Partridge, M., & Calvo, R. A. 1998. “Fast dimensionality reduction and simple PCAâ€, Intelligent Data Analysis, 2(1-4), 1998, 203-214.

Candemir S, Jaeger S, Musco J, Xue Z, Karargyris A, Antani SK, Thoma GR, Palaniappan K., “Lung Segmentation in Chest Radiographs Using Anatomical Atlases With Nonrigid Registrationâ€. In IEEE Transactions on Medical Imaging, Vol. 33, No.2, pp. 577 – 590, February, 2014..

Jaeger S, Karargyris A, Candemir s, Folio L, Siegelman J, Callaghan FM, Xue Z, Palaniappan K, Singh RK Antani SK. “Automated tuberculosis screening using chest radiographâ€. In IEEE Transactions on Medical Imaging, Vol. 33, No.2, pp. 233 – 245, February, 2014..

Gonzalez, R. C. and R. E. Woods, “Digital Image Processingâ€, third ed., Pearson Education, New Jersey, 2008.




DOI: https://doi.org/10.33387/protk.v3i1.36

Refbacks

  • There are currently no refbacks.






Editorial Office :
Protek : Jurnal Ilmiah Teknik Elektro
Department of Electrical Engineering. Faculty of Engineering. Universitas Khairun.
Address: Jusuf Abdulrahman 53 Gambesi, Ternate City, Indonesia.
Email: protek@unkhair.ac.id, WhatsApp: +6282292852552
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

View Stat Protek