ABSTRAKSI: Balita sangat rentan terhadap serangan penyakit, terutama penyakit pencernaan. Salah satu penyakit yang sering menyerang balita adalah disentri amoeba. Penyakit ini disebabkan oleh masuknya amoeba ke dalam tubuh balita, sehingga mengakibatkan disentri disertai pendarahan. Identifikasi penyakit ini hanya dapat dilakukan melalui tes pada feses pasien secara mikroskopis dan hanya dapat dilakukan di laboratorium setempat. Pada kasus telemedis, tes di laboratorium tersebut dirasa kurang efektif dan akurat.
Tugas akhir ini bertujuan untuk membangun suatu sistem program identifikasi penyakit disentri amoeba yang sering menyerang balita berdasarkan citra feses berbasis pengolahan citra digital. Sistem ini mampu mengidentifikasi citra feses yang terjangkit serta citra feses yang tidak terjangkit penyakit disentri amoeba. Secara garis besar proses identifikasi penyakit disentri amoeba pada sistem ini terdiri dari beberapa langkah. Dimulai dari pembacaan citra, penghilangan noise menggunakan radiometrik, pre-processing, ekstraksi ciri menggunakan 2D Gabor Wavelet, kemudian klasifikasi menggunakan k-Nearest Neighbour. Cara untuk menganalisa kinerja sistem adalah dengan membandingkan kebenaran identifikasi data yang diujikan kepada sistem dengan banyak nya kesalahan identifikasi yang terjadi.
Dari hasil pengujian performansi sistem, diketahui bahwa performansi sistem mencapai tingkat akurasi tertinggi saat menggunakan ekstraksi ciri 2D Gabor Wavelet dengan 24 ciri dan klasifikasi k-Nearest Neighbour menggunakan Cityblock dengan nilai k=5 dengan tingkat akurasi 80,00%. Adapun waktu komputasi tercepat terjadi pada saat menggunakan ekstraksi ciri 2D Gabor Wavelet dengan 16 ciri dan klasifikasi k-Nearest Neighbour menggunakan Euclidean dengan nilai k=3 yaitu selama 2,9464 detik.
Kata Kunci : Kata kunci : disentri amoeba, feses, balita, 2D Gabor Wavelet, k-Nearest Neighbor (k-NN)ABSTRACT: Toddlers are particularly vulnerable to disease, especially gastrointestinal diseases. One disease that often strikes toddlers are dysentry amoeba. The disease is caused by the entry of amoeba into the toddler's body, causing dysentery accompanied by bleeding. The identification of this disease can only be done through tests on the stool of patients are microscopic and can only be done at local laboratories. In the case of telemedicine, laboratory tests are deemed less effective and accurate.
This final project aims to establish a system of dysentery amoeba identification program that often affects toddlers based on image of feces based digital image processing. The system is able to identify the image of feces that infected and the image of feces that is not infected dysentery amoeba. Broadly speaking, process identification of dysentry amoeba in this system consists of several steps. Starting from the reading of the image, using the radiometric noise removal, pre-processing, feature extraction using 2D Gabor wavelet, then the classification using k-Nearest Neighbor. Way to analyze system performance is to compare the truth of the identification data to the system was tested with its multitude of misidentification that occurred.
From the results of performance testing system, it is known that the performance of the system reaches the highest level of accuracy when using 2D Gabor wavelet feature extraction with 24 features and k-Nearest Neighbor classification using Cityblock with a value of k = 5 with 80.00% accuracy rate. The fastest computing time when using 2D Gabor wavelet feature extraction with 16 features and k-Nearest Neighbor classification using the Euclidean with k = 3 is for 2.9464 seconds.
Keyword: Keywords: amoeba dysentery, feces, toddlers, 2D Gabor wavelet, k-Nearest Neighbor (k-NN)