Perbandingan Deteksi Pulpitis Melalui Citra Radiograf Periapikal Dengan Ekstrasi Ciri Watershed Dan Grey Level Co-occurrence Matrix (glcm) Dengan Klasifikasi K-nearest Neighbour (k-nn)

Mareska Pratiwi Maharani, Bambang Hidayat Hidayat, Suhardjo MS

Abstract

Abstrak Menjaga kesehatan gigi dan mulut sangatlah penting terutama gigi yang berfungsi sebagai pengolah makanan yang memungkinkan manusia untuk mengigit, memotong, menguyah dan menghaluskan makanan. Salah satu penyakit yang sering menyerang gigi adalah Pulpitis. Pulpitis disebut juga sebagai radang gigi yang menimbulkan rasa nyeri karena terjadi di pulpa gigi yang mengandung banyak saraf dan pembuluh darah. Cara mendeteksi penyakit ini dengan cara periodikal radiograf yaitu dengan menggunakan sinar x-ray. Namun cara ini masih memiliki kualitas citra yang rendah. Berlandaskan masalah tersebut, tugas akhir ini akan meningkatkan kualitas terhadap citra radiograf bertujuan untuk membantu dokter dalam mendeteksi penyakit pulpitis pada gigi, dari yang sebelum nya hanya dokter ahli dalam bidang radiologi yang jumlahnya masih sedikit di Indonesia. Penelitian ini dilakukan dengan mensintesis dari penelitian yang sudah ada dan berhubungan dengan teknik diagnosa penyakit gigi melalui pengolahan citra digital dan citra periapikal radiograf. Metode-metode yang diuji kembali adalah Grey Level Co-occurrence Method (GLCM) dan Watershed. Serta untuk klasifikasinya menggunakan metode K-Nearest Neighbour. Data yang digunakan berupa citra gigi pulpitis reversible, citra gigi pulpitis irreversible dan citra gigi normal. Akurasi identifikasi tertinggi yang didapat menggunakan metode Watershed adalah 83,33% dan menempuh waktu komputasi 0,3730 detik dengan ukuran image 256 x 256 piksel dan nilai K=1. Sedangkan untuk metode GLCM didapat akurasi tertinggi nya yaitu 66,66 % dan menempuh waktu komputasi 0,1629 detik dengan ukuran image 128 x 128 piksel, jarak 3 piksel, sudut 90 derajat, level kuantisasi 16 dan nilai K=1. Kata Kunci :Gigi, Granuloma, Hak Cipta Penelitian. Abstract It’s really important to keep the healthy teeth and mouth especially the teeth as a food processing that makes possible for human to bite, cut, swallow and make food softer. One of the disease that usually occur in teeth is Pulpitis. Pulpitis also called as teeth inflammation that cause painful feeling because happened in teeth pulp that contain a lot of nerves and blood vessel. Method to detect this disease is with radiograf periapical that using x-ray. But this method is still has a low image quality. Based on that problem, this final assignment will improve the quality of radiograf image aim to help doctors to detect pulpitis in teeth, from the previous that only doctors in radiology that still not many of them in Indonesia. This research has been done by synthesize from the previous researches and related with teeth disease diagnostic techniques through digital image processing and radiographic periapical images. The methods that have been done are Gray Level Co-occurrence Method (GLCM) and Watershed. And for the classification using K-Nearest Neighbors method. The data used in the form of reversible pulpitis teeth image, teet image of irreversible pulpitis and normal teeth image. The highest identification accuracy obtained using Watershed method is 83.33% and computed 0.3730 seconds with 256 x 256 pixel image size and K = 1. While for GLCM method obtained its highest accuracy is 66,66 % and computing time 0,1629. seconds with image size is 128 x 128 pixels, distance is 3 pixel, 90 degree angle, quantization level is 8 and K=1. Keywords: Teeth, Pulpitis, Grey Level Co-occurrence Matrix (GLCM), Watershed , K Nearest-Neighbour

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0