Sintesa Penelitian Deteksi Kista Periapikal Radiograf Dengan Metode Binary Large Object (blob) Dan Metode Gray Level Co-occurrence Matrix (glcm)

Abstract

Abstrak Kista adalah sebuah rongga yang berisi cairan atau gas, kista pada gigi yang paling sering dijumpai ialah kista periapikal, yaitu kista yang terjadi pada ujung akar. Untuk melakukan diagnosa kista periapikal diperlukan dokter ahli di bidang radiologi yang mana masih sedikit jumlahnya di Indonesia, karena masalah itu penulis membuat tugas akhir ini dengan tujuan dapat mempermudah pendeteksian kista periapikal. Berdasarkan penelitian-penelitian yang sudah dilakukan, dipilih dua metode yang diuji kembali dalam tugas akhir ini, yaitu metode BLOB (Binary Large Object) dan metode GLCM (Gray Level Co-Occurrence Matrix). Kedua metode ekstraksi ciri ini dilakukan kemudian diklasifikasikan menggunakan metode pengklasifikasian K-Nearest Neighbour. Pada penelitian ini digunakan 16 Data Latih dan 13 Data Uji, setelah hasil pengujian didapatkan hasil dengan tingkat akurasi uji untuk Metode GLCM (Gray Level Co-Occurrence Matrix) 100% yang diraih dengan waktu komputasi 0,6521s pada citra berdimensi 512x512 dengan nilai kuantisasi 16 pada jarak 5 dengan phasa 90º dan Metode BLOB (Binary Large Object) pada citra berdimensi 128x128 menggunakan ciri statistik orde satu mean, kurtosis, dan entropy meraih tingkat akurasi uji sebesar 76,92% dengan waktu komputasi 0,5434s. Kata Kunci : kista periapikal, BLOB, periapikal radiograf, GLCM Abstract A cyst is a cavity containing a liquid or gas, periapical cyst is a cyst that occurs at the end of the roots, usually start with pulpitis. To correctly diagnose periapical cyst, a doctor who has an expert in radiology is needed, which are still few in number in Indonesia, because of that problems the author makes this final project with the aim of facilitating the detection of periapical cysts. Based on previous researches that is already done, author selected two tested methods that return in this final task, the method of BLOB (Binary Large Object) and the method of GLCM (Gray Level CoOccurrence Matrix). Both methods of feature extraction then classified using classification method of KNearest Neighbour. This research uses 16 trained data and 13 test data, the obtained results for GLCM (Gray Level CoOccurrence Matrix) method is 100% with computing time 0, 6521s on the 512x512-dimensional image with the value of the quantization 16 at 5 with 90° phase and BLOB (Binary Large Object) method on thedimensional image 128 x 128 using statistical characteristics of order one using mean, kurtosis, and the entropy resulting level of accuracy test of 76.92% with computing time 0, 5434s. Keywords : Periapical Cyst, GLCM, BLOB, Periapical Radiograph