Klasifikasi Kondisi Paru-paru Normal, Penyakit Tuberkulosis (tbc) Dan Efusi Pleura Pada Manusia Menggunakan Jaringan Syaraf Tiruan Propagasi Balik

Abstrak

ABSTRAK Tugas Akhir ini tentang pendeteksian penyakit tuberculosis (TBC) dan efusi pleura menggunakan metode gray level coocurance matrix (GLCM) dan jaringan syaraf tiruan backpropagation (JST- BP). Penyakit tersebut mempunya ciri yang dapat dikenali dari foto hasil rontgen paru-paru. Sistem deteksi penyakit paru-paru yang dirancang pada penelitian ini terdiri dari beberapa bagian sistem, yaitu sistem pre-processing, sistem ekstraksi ciri dan sistem klasifikasi. Sistem pre-processing bertujuan untuk memperbaiki tingkat kualitas foto masukan yang akan dideteksi, pada Tugas Akhir ini menggunakan resize dan grayscale. Sistem ekstraksi ciri yang bertujuan untuk mengambil ciri pada sebuah foto atau citra dan proses selanjutnya akan diklasifikasi, Tugas Akhir ini menggunakan metode GLCM. Sedangkan sistem klasifikasi yang berfungsi memilah kedalam tiga kondisi paru-paru yaitu efusi pleura, normal dan TBC menggunakan JST- BP. Ketiga bagian sistem sudah diimplementasikan pada perangkat lunak, selanjutnya akan dilakukan proses pelatihan. Pada proses pelatihan digunakan 60 citra, kemudian citra akan diklasifikasi dalam tiga kondisi efusi pleura, normal dan TBC, citra tersebut akan dijadikan sebagai jaringan atau net pada JST-BP. Sebelum diuji dengan citra baru atau citra uji, sistem diuji dengan 60 citra latih dan menghasilkan 100% untuk semua kondisi. Selanjutnya sistem akan diuji dengan 60 citra baru atau citra uji. Akurasi sistem akan dihitung berdasarkan citra yang diujikan benar dengan semua citra yang diujikan. Akurasi yang dihasilkan sistem pada Tugas Akhir ini yaitu 100% untuk 60 citra latih, dengan masing-masing kelas 20 citra latih. Akurasi citra uji yaitu 70% untuk 60% citra uji, dengan masing-masing kelas 20 citra uji, kondisi efusi 85%, normal 70%, TBC 55%. Kata kunci: Tuberculosis (TBC), efusi pleura, gray level coocurance matrix (GLCM), jaringan syaraf tiruan backpropagation (JST-BP). ABSTRACT This Final Project about detection of tuberculosis (TBC) and pleura effusion using co-insurance matrix gray level (GLCM) method and artificial neural network-backpropagation (ANN-BP). The disease has characteristics that can be identified from photos of lung X-rays. The system developed consists of several parts, pre-processing system, feature extraction system and classification system. The pre-processing phase aims to improve the level of photos quality will be detected, furethrmore the system uses resize and grayscale. Feature extraction phase aims to get feature of images uses GLCM and then will be classify uses ANN-BP. The system has been developed, in the learning process uses 60 images, then the image will be classified in three conditions of pleura effusion, normal and tuberculosis, the image will be used as a network or net on ANN-BP. Before testing with a new image or test image, the will be train with 60 training data 60 and produced 100% for all conditions. Furethrmore the system will be test with 60 new images or test data. The accuracy of testing phase will be compute with the true data defied the total data. The accuracy obtained of the system about 100% for 60 training images, with each class 20 training images. The accuracy of the test image is 70% for 60% of the test image, with each class 20 test image, the effusion condition 85%, normal 75%, TBC 55%. Keywords: Tuberculosis (TBC), pleura effusion, gray level coocurance matrix (GLCM), artificial neural network - backpropagation (ANN-BP). Keyword : Cigarette, Electroencephalograph, Principal Component Analysis, K-Nearest Neighbor.