Klasifikasi Tuberkulosis Dengan Compressive Sensing Dan Support Vector Machine

Aida Muhdina, Ledya Novamizanti, Gelar Budiman

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.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0