ABSTRAKSI: Tuberculosis (TBC) merupakan salah satu penyakit menular yang masih menjadi masalah bagi dunia, terutama negara-negara berkembang. Indonesia menempati peringkat ketiga sebagai negara dengan kasus TBC terbanyak. Berbagai cara telah dilakukan pemerintah untuk menangani kasus ini.
Salah satu penunjang dalam penanganan kasus TBC adalah dengan menganalisis foto rontgen dari penderita untuk kemudian menegakkan sebuah diagnosa. Foto rontgen ini digunakan untuk mengetahui sejauh mana persebaran TBC di dalam tubuh. Namun foto rontgen ini masih memungkinkan untuk terjadinya underdiagnose atau overdiagnose, tergantung pada siapa yang melakukan observasi. Salah satu cara yang dapat diusahakan untuk mengatasinya adalah dengan membuat sistem yang dapat melakukan segmentasi terhadap citra rontgen. Hal ini dikarenakan segmentasi dapat menyederhanakan pengamatan.
Dalam tugas akhir ini digunakan metode Markov Random Field (MRF) dalam proses segmentasinya. MRF memodelkan objek pada citra menggunakan sebuah permodelan probabilistik. Kemudian segmentasi dilakukan dengan mengklasifikasikan piksel-piksel citra sesuai parameter probabilistik tiap objek. MRF akan dioptimasi menggunakan algoritma Iterated Conditional Modes (ICM)Kata Kunci : Segmentasi, Tuberculossis, Markov Random Field, Iterated Conditional ModesABSTRACT: Tuberculosis is one of deadly disease which still be a problem around the world, especially the development countries. Indonesia have third place as the most TBC accident country. Goverment have to try to prevent this disease.
Additional tool to handling TBC case is by analyzing the X-ray from the suspect patient to establish a diagnosis. X-ray is used to knowing how far TBC infecting the normal body. But X-ray is still possible for overdiagnosis or underdiagnosis, depend on who observe this rontgen. So segmentation is used to avoid this problem.It’s because image segmentation can make the observe more simple.
In this final exam, Markov Random Field is used to segmenting the X-ray image. MRF modeling the object in a probabilistic way. Segmentation is done by classify image pixels, depend on its parameter. MRF will be optimized using Iterated Conditional Modes (ICM) algorithm.Keyword: Segmentation, tuberculosis, Markov Random Field, Iterated Conditional Modes