Pengolahan Citra Deteksi Kista Melalui Periapical Radiograf Dengan Metode Local Binary Pattern Dan Learning Vector Quantization (image Processing Detection Of Cyst Via Radiograph Periapical With Local Binary Pattern And Learning Vector Quantization)

Abstract

Abstrak Pada penelitian ini dilakukan pengolahan citra deteksi kista melalui periapical radiograf dengan menggunakan metode Local Binary Pattern (LBP) dan klasifikasi Learning Vector Quantization (LVQ) . LBP adalah sebuah kode biner yang menggambarkan pola tekstur lokal. Yang dibangun dengan lingkungan batas dengan nilai abu-abu dari pusatnya.Citra yang telah melalui proses ekstraksi ciri menggunakan LBP selanjutnya diklasifikasikan menggunakan LVQ. LVQ merupakan jaringan syaraf tiruan dengan tipe arsitektur jaringan lapis-tunggal umpan-maju (Single Layer Feedforward) yang terdiri atas unit masukan dan unit keluaran. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor masukan. Citra yang digunakan merupakan citra digital dari hasil rontgen x-ray yang diperoleh dengan proses perekaman citra menggunakan scanner dan berformat *jpg. Citra yang digunakan sebanyak 14 buah sample yang berupa data primer. Data uji dan data latih menggunakan 10 sample,sedangkan 4 data lainnya digunakan sebagai data cadangan. . Dengan metode yang telah di buat dapat membantu dan mempermudah indentifikasi penyakit dalam dunia medis khususnya di bidang Kedokteran Gigi dengan akurasi yang didapatkan 80% dengan ukuran pixel terbaik sebesar 256x256. Kata kunci : Kista Periapical, Local Binary Pattern, Learning Vector Quantization Abstract In this research, cyst detection image processing is done through periapical radiograph using Local Binary Pattern (LBP) method and Learning Vector Quantization (LVQ) classification. LBP is a binary code that describes local texture patterns. Built with a boundary environment with a gray value from the center. The image that has been through the feature extraction process using LBP is further classified using LVQ. LVQ is an artificial neural network with single layer feeder forward layer (Single Layer Feedforward) which consists of input unit and output unit. A competitive layer will automatically learn to classify input vectors. The image used is a digital image of the x-ray x-ray obtained by image recording process using scanner and jpg * format. The image used as many as 14 samples in the form of primary data. Test data and training data using 10 samples, while 4 other data used as data backup. . With methods that have been made can help and facilitate the identification of diseases in the medical world, especially in the field of Dentistry with an accuracy of 80% obtained with the best pixel size of 256x256. Keywords :Cyst, Local Binary Pattern, Learning Vector Quantization