Klasifikasi Tuberkulosis Dengan Compressive Sensing Dan Support Vector Machine

Abstract

Abstrak Tuberculosis (TBC) merupakan sebuah infeksi sistem pernapasan yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Salah satu cara untuk mendeteksi bakteri ini yaitu dengan pemeriksaan spesimen dahak. Bakteri tersebut dilihat melalui mikroskop untuk dihitung jumlah bakteri tahan asamnya. Saat ini telah banyak dikembangkan penelitian untuk membantu perhitungan bakteri TBC. Sebagian besar penelitian masih mengklasifikasikan bakteri TBC dengan dua kelas dan menggunakan ekstraksi ciri yang kurang efisien dalam penyimpanan memori. Sebuah sistem klasifikasi bakteri tuberkulosis dari citra mikroskopis dahak dirancang pada tugas akhir ini. Citra mikroskopis dahak akan melewati tahap pre-processing untuk memisahkan bakteri dari background. Citra yang telah melewati tahap pre-processing akan melewati tahap ekstraksi ciri dan klasifikasi. Sistem ini menggunakan metode Compressive Sensing sebagai ekstraksi ciri dan Support Vector Machine sebagai klasifikasi. Penelitian ini berhasil mengklasifikasikan spesimen dahak kedalam tiga kelas yaitu positif, negatif dan scanty. Dataset spesimen dahak yang digunakan berisi 90 buah citra yang terbagi menjadi 63 data latih dan 27 data uji. Metode Compressive Sensing pada sistem ini memakai binary random matrix sebagai measurement matrix. Sedangkan untuk metode Support Vector Machine menggunakan kernel linear sebagai fungsi kernel dan One Against One sebagai metode SVM multiclass. Sistem ini dapat mengidentifikasi kelas spesimen dahak dengan akurasi 92,593% dengan waktu komputasi sebanyak 0.519 detik.Kata kunci : bakteri Tuberculosis, Compressive Sensing, Support Vector Machine Abstract Tuberculosis(TB) is an infection of the respiratory system caused by the bacteria Mycobacterium Tuberculosis. One way to detect these bacteria is by examining sputum specimens. The bacteria were seen through a microscope to count the number of acidresistant bacteria. Currently, many studies have been developed to help the calculation of TB bacteria. Most of the studies still classify TB bacteria into two classes and use less efficient feature extraction in storage. A tuberculosis bacteria classification system from sputum images is designed in this final project. This system uses Compressive Sensing method and Support Vector Machine. Compressive sensing is used as feature extraction, while Support Vector Machine is used as classification. This study succeeded in classifying sputum specimens into three classes: positive, negative and scanty. The sputum specimen dataset used contains 90 images which are divided into 63 training data and 27 test data. The Compressive Sensing method in this system uses binary random matrix as measurement matrix. Meanwhile, the Support Vector Machine method uses linear kernel as kernel function and One Against One as SVM multiclass method. This system can identify the class of sputum specimens with an accuracy of 92.593% with a computation time of 0.519 seconds.Keywords: Detection of TB bacteria, Compressive Sensing, Support Vector Machine.