Deteksi Tuberculosis Paru-Paru Pada Citra Chest X-Ray Menggunakan Fitur Gray Level Co-Occurrence Matrix (GLCM) Yang Teroptimasi Dengan Metode Principal Component Analysis
| Main Authors: | Junaedi, Imam, Dr.Ir.Erni Yudaningtyas, M.T., Rahmadwati, S.T., M.T., Ph.D. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/195454/1/Imam%20Junaedi.pdf http://repository.ub.ac.id/id/eprint/195454/ |
Daftar Isi:
- Tuberkulosis (TB) adalah penyakit menular yang mematikan disebabkan oleh Mycobacterium Tuberculosis (MTB). Rontgen dada (CXR) citra telah menjadi alat utama untuk mendeteksi TB paru secara historis. Gambar CXR dianalisis oleh ahli radiologi untuk mengetahui ada atau tidaknya tanda-tanda TBC pada paru-paru. Itu hasil analisis oleh ahli radiologi dalam menganalisis gambar CXR dipengaruhi oleh subjektivitas ahli radiologi, seperti: pengalaman dari ahli radiologi, kondisi pengamatan, kelelahan, dan lain-lain. Faktor subjektivitas ahli radiologi dapat diatasi dengan sistem diagnosis berbantuan komputer. Kertas ini mengusulkan sistem deteksi TB pada gambar CXR menggunakan dioptimalkan Fitur Gray Level Co-Occurrence Matrix (GLCM) sebagai memasukkan. GLCM dioptimalkan menggunakan Komponen Utama Analisis (PCA) dan kemudian diklasifikasikan menggunakan Support Vector Mesin (SVM). Dalam makalah ini, gambar CXR diklasifikasikan sebagai: normal, TB primer (PTB) dan TB sekunder (STB). Itu hasil dari makalah ini menunjukkan bahwa sistem klasifikasi dengan GLCM yang dioptimalkan sebagai input memiliki kinerja yang lebih baik daripada sistem klasifikasi dengan GLCM reguler sebagai input. Itu sistem klasifikasi dengan GLCM yang dioptimalkan sebagai input dalam 8- uji validasi silang lipat memiliki akurasi 100% untuk kelas normal, 98,72% untuk kelas PTB dan 98,72% untuk kelas STB kelas.