Text

Penggunaan Metode Keruncingan dan Gradien Pleura dengan Klasifikasi Support Vector Machine (SVM) untuk Mendeteksi Efusi Pleura pada Citra Toraks Manusia

---

ABSTRAK

Telah dilakukan penelitian tentang implementasi metode keruncingan dan gradien pleura dengan klasifikasi support vector machine (SVM) untuk mendeteksi efusi pleura pada citra toraks pesawat sinar-X konvensional. Bahan dalam penelitian ini adalah 75 citra toraks teridentifikasi efusi pleura dan 75 citra normal. Pendeteksian efusi pleura pada citra toraks dengan metode SVM dilakukan melalui beberapa proses yaitu penentuan region of interest (ROI), segmentasi thresholding, pencarian nilai keruncingan, pencarian gradien pleura, dan klasifikasi SVM. Klasifikasi SVM melalui dua proses. Proses pertama yaitu pengenalan pola yang dilakukan pada 50 citra teridentifikasi efusi pleura dan 50 citra normal yang bertujuan untuk menemukan garis pembatas (hyperplane) dengan data nilai keruncingan dan data nilai gradien pleura sebagai parameternya. Proses kedua yaitu verifikasi antara diagnosis metode dengan diagnosis dokter yang dilakukan pada 25 citra teridentifikasi efusi pleura dan 25 citra normal. Dari 50 citra dalam proses verifikasi ada 3 citra yang mengalami ketidaksesuaian dalam diagnosis metode dan diagnosis dokter sehingga diperoleh nilai keakurasian sebesar 94%. Hasil ini menunjukkan bahwa metode keruncingan dan gradien pleura dengan klasifikasi SVM dapat digunakan untuk mendeteksi efusi pleura pada citra toraks.

Kata kunci : support vector machine (SVM), keruncingan pleura, gradien pleura, efusi pleura.


















 
ABSTRACT

A research on the implementation of acuteness and pleural gradient method with SVM classifier in order to detect pleural effusion on the Chest X-ray (CXR) had been conducted. The research used 75 CXRs with identified pleural effusion and 75 normal images as the materials. Then, the detection of pleural effusion on the CXR was done by some processes. They are ROI (Region of Interest) determination, thresholding segmentation, acuteness value determination, pleural gradient determination, and SVM classifier. Meanwhile, there were two major processes in SVM classifier, namely the process of pattern recognition on 50 CXRs with identified pleural effusion and 50 normal images in order to find out the hyperplane with the data of acuteness value and pleural gradient value as the parameters. The second process was the verification of method diagnosis and physician’s diagnosis which was undertaken on 25 CXRs with identified pleural effusion and 25 normal images. From the 50 images on the verification process, there were 3 images that was inappropriate, therefore it was obtained the accuracy value of 94%. The result indicates that the acuteness method and pleural gradient by SVM classifier can be used to detect pleural effusion on CXR in Roemani Muhammadiyah Semarang hospital.

Keywords: support vector machine (SVM), pleural acuteness, pleural gradient, pleural effusion.

---

Ketersediaan

033S2FIS17II

033 S2FIS 17-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

MAGISTER FISIKA

No. Panggil

033 S2FIS 17-ii

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1574

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Indah Nurhidayati

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar