Deteksi Granuloma Melalui Citra Radiograf Periapikal Menggunakan Metode Gray Level Co-occurence Matrix (glcm) Dan Binary Large Object (blob) Dengan Klasifikasi K-nearest Neighbor (k-nn)

Abstract

Abstrak Gigi merupakan salah satu organ tubuh bagian mulut yang berperan penting di dalam kehidupan manusia. Jika gigi mengalami gangguan atau penyakit, tentu akan mengganggu aktifitas manusia karena kesehatan gigi sangat berkaitan dengan kegiatan metabolisme dari tubuh. Beberapa macam penyakit yang dapat menyerang gigi sulit untuk dilihat dengan mata telanjang, tetapi dapat dideteksi oleh ahli radiologi gigi dengan menggunakan radiograf periapikal yang akan menampilkan gambar x-ray seluruh gigi dari pasien. Dengan masih terbatasnya ahli radiologi gigi, diperlukan juga suatu alat bantu yang dapat memberikan analisis awal bagi dokter gigi. Alat bantu tersebut dapat direalisasikan berdasarkan pengolahan citra periapikal radiograf. Penelitian ini difokuskan pada deteksi penyakit granuloma dan selanjutnya akan dilaksanakan sintesis dari beberapa penelitian yang telah dilakukan untuk mendeteksi granuloma melalui pengolahan citra digital dan citra periapikal radiograf. Dari seluruh metode yang akan diuji kembali, akan dipilih metode ekstrasi ciri serta klasifikasi yang berfokus pada domain spasial dan secara umum mampu mendeteksi seluruh penyakit gigi. Pada tugas akhir ini metode yang akan diuji kembali ialah metode Gray Level Co-Occurence Matrix (GLCM) dan Binary Large Object (BLOB) sebagai ekstraksi ciri, dan proses klasifikasi dengan menggunakan metode K-Nearest Neighbor (K-NN). Dari sintesis penelitian ini, akan didapatkan metode terbaik dengan tingkat akurasi yang paling tinggi. Hal ini agar dapat diproses menjadi hak cipta penelitian serta memudahkan para ddokter gigi. Kata Kunci : Domain Spasial, Gigi, Granuloma, Hak Cipta Penelitian, Radiograf Periapikal. Abstract Teeth is one of the organs of the oral body that plays an important role in human life. If the teeth have disruption or disease, would certainly interfere with human activities because dental health is closely related to the metabolic activities of the body. Some types of diseases that can affect teeth are hard to see with the naked eye, but can be detected by dental radiologists by using a periapical radiograph that will show an entire dental xray image of the patient. With the limited number of dental radiologists, there is also a tool that can provide early analysis for the dentist. The aids can be realized based on radiographic periapical imaging processing. This study focused on the detection of granuloma disease and further synthesis of some studies have been done to detect granuloma through digital image processing and radiographic periapical image. Of all the methods to be re-examined, a feature extraction method will be selected and classification that focuses on the spatial domain and is generally capable of detecting all dental diseases. In this final project, the methods to be tested again are Gray Level Co-Occurrence Matrix (GLCM) and Binary Large Object (BLOB) method as feature extraction, and classification process using K-Nearest Neighbor (K-NN) method. From the synthesis of this research, will get the best method with the highest level of accuracy. This in order to be processed into a copyright research and facilitate the ddokter tooth. Keywords: Spatial Domain, Teeth, Granuloma, Copyright Research, Periapical Radiograph.