PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT ABSES MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH DENGAN KLASIFIKASI SUPPORT VECTOR MACHINE BERBASIS ANDROID
VERADITA YULANDA

Informasi Umum

Kode

17.04.1530

Klasifikasi

621.3 - Electrical, Magnetic, Optical, Communications, Computer engineering, Electronics, Lighting

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing - Signal Processing

Dilihat

4 kali

Informasi Lainnya

Abstraksi

Gigi merupakan salah satu organ tubuh manusia yang sangat penting. Kesehatan gigi perlu diperhatikan karena jika tidak berbagai macam penyakit dapat datang kapan saja. Salah satu jenis penyakit gigi yaitu abses periapikal. Abses periapikal merupakan infeksi pada ujung akar gigi dimana terdapat kumpulan nanah yang disebabkan infeksi bakteri. Biasanya dokter gigi mendiagnosa jenis penyakit berdasarkan gejala klinis dari pasien atau melihat hasil sinar-X. Dokter gigi membaca hasil sinar-X tersebut dan diketahui apakah penyakit tersebut sama diagnosanya dengan pemeriksaan secara klinis. Untuk mempermudah dokter gigi mengidentifikasi penyakit apa yang di derita oleh pasien, maka diperlukanlah adanya suatu sistem. Dengan mengumpulkan data citra radiograf yang terkait dengan penyakit abses periapikal maupun dalam kondisi normal, sistem dapat mendeteksi penyakit melalui citra radiograf yang diperoleh. Pendeteksian penyakit abses periapikal berbasis android menggunakan metode Adaptive Region Growing Approach dilakukan dengan mengubah nilai threshold dan dimensi. Setelah diperoleh hasil akurasi tertingginya maka selanjutnya diproses menggunakan ekstraksi ciri orde 1 seperti mean, variance, entropy, skewness, dan kurtosis lalu dilanjutkan dengan klasifikasi Support Vector Machine dengan menggunakan kernel function seperti linear, Radial Basis Function, dan polynomial. Sistem yang dibuat telah diperoleh hasilnya berdasarkan beberapa parameter seperti tingkat akurasi, waktu komputasi dan mean opinion sources. Deteksi menggunakan sistem ini dapat membantu dokter apakah diagnosanya terhadap penyakit pada pasien yang ia lihat secara fisik dari citra radiograf sama dengan menggunakan sistem deteksi ini. Hasil dari penelitian ini diperoleh hasil mencapai akurasi 96.66% dengan waktu komputasi 0.0756422 detik dan kesimpulan Mean Opinion Score tertinggi sebanyak 44% dokter gigi menyatakan aplikasi ini telah membantu dalam menampilkan informasi pendeteksan periapikal radiograf dengan klasifikasi citra radiograf gigi yang terdeteksi abses dan gigi yang tidak terdeteksi abses periapikal.

Kata kunci : abses periapikal, radiograf, Adaptive Region Growing Approach, Support Vector Machine

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Nama	VERADITA YULANDA
Jenis	Perorangan
Penyunting	BAMBANG HIDAYAT, SUHARDJO
Penerjemah

Penerbit

Nama	Universitas Telkom, S1 Teknik Telekomunikasi
Kota	Bandung
Tahun	2017

Sirkulasi

Harga sewa	IDR 0,00
Denda harian	IDR 0,00
Jenis	Non-Sirkulasi

Download / Flippingbook