ABSTRAKSI: Paru-paru merupakan organ tubuh yang berfungsi sebagai alat pernafasan. Paru-paru selalu melakukan tugasnya dengan baik. Namun bagi beberapa orang, paru-paru mengalami beberapa kelainan, seperti efusi pleura dan nodul (kanker) paru. Kelainan tersebut diakibatkan oleh beberapa hal seperti merokok, polusi udara dan lainnya. Untuk mengetahui kelainan paru seseorang dapat dilakukan dengan melakukan pemeriksaan radiologis, yaitu dengan foto toraks PA/lateral, CT Scan toraks, dan pemeriksaan radiologis lainnya.
Penelitian ini dilakukan untuk menghasilkan sistem yang dapat mendeteksi kelainan pada citra paru-paru dengan mendeteksi kelainan yang terdapat pada paru sehingga dapat diklasifikasikan apakah kondisi paru-paru tersebut normal, memiliki nodul (kanker) atau efusi pleura serta menganalisa performansi sistem pengenalan citra paru-paru. Untuk melakukan olah citra paru akan dilakukan beberapa tahap yaitu akuisisi citra, proses ekstraksi ciri dengan menggunakan Grey Level Run Length Method (GLRLM), dan proses pengklasifikasian menggunakan K-Nearest Neighbor. Akuisisi citra dilakukan untuk mengambil citra paru yang diperlukan, lalu dilakukan ekstraksi ciri untuk mendapatkan ciri dari citra paru untuk dimasukkan pada proses pengenalan menggunakan K-Nearest Neighbor.
Dari hasil pengujian performansi sistem, dapat diketahui bahwa akurasi tertinggi yang didapat adalah pada saat ekstraksi ciri dengan level keabuan = 8 dengan pengklasifikasian menggunakan k-NN dengan mengatur nilai k = 1 untuk Euclidean distance adalah sebesar ± 92.47%.
Kata Kunci : kelainan paru, Grey Level Run Length, K-Nearest NeighborABSTRACT: Lung has a job as a respirator. Lung always do its job well. But some people have lung abnormalities, such as pleura effusion, and nodules on their lungs, those can cause the cancer. The abnormalities can caused by several factors, such as smoking, air pollution and many more. Lung abnormalities can be detected by radiologic examination, such as PA/lateral chest x-ray, thoracic CT Scan, and other radiologic examinations.
This final project was made to produce a system that can detect the abnormalities on chest x-ray and can be classified whether the condition is normal, have some nodules or pleura effusion and analyze the image recognition performed well or not. There are several stages to recognize the x-ray, there are image acquisition, feature extraction by using grey level run length method (GLRLM), and then classification process by using K-Nearest Neighbor (k-NN). Image acquisition is done to get the lung images those needed, and then do the feature extraction to acquire the feature of lung images to be included on the recognition process by using K-Nearest Neighbor.
From the result of testing system performance, it is known that the highest accuracy is obtained when the feature extraction by using GLRLM with gray level = 8 and then classify by using k-NN classification by adjust the value of k = 1 for the Euclidean distance is equal to ± 92.47%.
Keyword: lung abnormalities, Grey Level Run Length, K-Nearest Neighbor