Pengolahan Citra Radiograf Periapikal Pada Deteksi Penyakit Granuloma Dengan Metode Binary Large Object Berbasis Android

Abstract

Tujuan: Merancang sistem berbasis android dengan objek yang sudah tersegmentasi pada bagian yang dituju dengan segmentasi warna BLOB dan klasifikasi K-NN yang dapat memproses citra radiograf periapikal untuk mendeteksi penyakit granuloma.
Metode: Metode penelitian adalah metode deskripsi, dimana penelitian yang dilakukan berdasarkan segmentasi warna menggunakan metode BLOB (Binary Large Object) dan hasil segmentasi menjadi input ekstraksi ciri. BLOB merupakan domain spasial yang menganalisis tekstur secara lebih spesifik dan akurat. Sedangkan proses pengklasifikasian menggunakan metode K – Nearest Neighbor (K-NN) bertujuan untuk mengukur seberapa dekat jarak antara data uji dan data latih.
Hasil dan diskusi: Hasil dari tugas akhir ini adalah sistem yang mampu mendeteksi penyakit granuloma mencapai tingkat akurasi 80% pada android dengan waktu komputasi rata – rata 6,828 detik menggunakan hasil sampel radiograf periapikal sebanyak 20 citra uji dan 16 citra latih.

Kesimpulan: Berdasarkan hasil sistem dapat ditarik kesimpulan bahwa pengolahan citra pada deteksi penyakit granuloma menggunakan metode segmentasi warna BLOB dan klasifikasi K-NN mampu mendeteksi penyakit granuloma.
Kata kunci : granuloma, radiograf periapikal, Binary Large Object (BLOB), K – Nearest Neighbor (K- NN).