Mendeteksi Radang Paru-Paru Menggunakan Computer Vision dengan Fuzzy Tsukamoto

Baharuddin Risyad; Ahmad Fauzi; Ayu Ratna Juwita

Baharuddin Risyad Universitas Buana Perjuangan Karawang
Ahmad Fauzi Universitas Buana Perjuangan Karawang
Ayu Ratna Juwita Universitas Buana Perjuangan Karawang

Keywords: Computer Vision, Fuzzy Tsukamoto, Paru-Paru, Pneumonia, X-ray

Abstract

Paru merupakan organ vital yang penting pada manusia yang berfungsi untuk mengirim oksigen yang berasal dari udara dan mengubahnya dengan karbondioksida yang berasal dari darah ke luar. Letak paru-paru ada dalam rongga dada, dan paru-paru biasanya dapat terinfeksi karena polusi udara atau tercemar bakteri atau virus. Penyakit yang biasa menginfeksi paru-paru adalah pneumonia. Untuk mendeteksi adanya pneumonia, biasanya dokter melakukan pemeriksaan dengan cara rontgen. Pendeteksian pada citra rontgen masih belum banyak dilakukan dengan cara komputerisasi, sehingga tujuan dari penelitian ini adalah mengidentifikasi paru-paru berbasis computer vision. Tahapan pertama dalam penelitian ini adalah mengumpulkan data gambar X-ray yang diperoleh dari dataset di Kaggle.com. Proses selanjutnya adalah tahap pengolahan citra. Pertama dilakukan proses preprocessing, kemudian melakukan segmentasi untuk mencari piksel putih pada citra segmentasi dan piksel putih pada deteksi tepi. Dari tahapan yang telah dilakukan, proses selanjutnya adalah mencari nilai perbandingan piksel putih segmentasi dan piksel putih deteksi tepi, dan kemudian melakukan klasifikasi menggunakan Fuzzy Tsukamoto. Hasil dari uji coba terhadap 20 citra menghasilkan nilai akurasi sebesar 90%.

References

[1] A. Wenda, Kraugusteeliana, A. Suryanto, and S. Alam, “Sistem Pakar Untuk Mendiagnosa Penyakit Paru-Paru dengan Menggunakan Metode Teorema Bayes,” J. Media Inform. Budidarma, vol. 7, no. 2, pp. 82–88, 2023, doi: 10.30865/mib.v7i1.5394.
[2] T. A. Chasshidi and M. R. Putra, “Sistem Pakar untuk Mendiagnosa Penyakit Pneumonia Menggunakan Metode Certainty Factor dan Fuzzy Logic Tsukamoto Berbasis WEB,” J. KomtekInfo, vol. 8, no. 2, pp. 118–128, 2021, doi: 10.35134/komtekinfo.v8i2.106.
[3] S. Olyvia Fernanda, M. Rita, and K. Nor, “Deteksi Gangguan Paru-Paru Deep Learning,” vol. 8, no. 6, pp. 2891–2896, 2022.
[4] M. Zaini, M. Muliyani, J. B. Soediono, and E. Destiana, “Pola Persepan Antibiotik Pada Pasien Pneumonia Di Poli Anak Rsud Dr. H. M. Ansari Saleh Banjarmasin Tahun 2017,” J. Insa. Farm. Indones., vol. 2, no. 1, pp. 138–148, 2019, doi: 10.36387/jifi.v2i1.306.
[5] I. M. D. Maysanjaya, “Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 9, no. 2, pp. 190–195, 2020, doi: 10.22146/jnteti.v9i2.66.
[6] F. Antony, H. Irsyad, and M. E. Al Rivan, “KNN Dan Gabor Filter Serta Wiener Filter Untuk Mendiagnosis Penyakit Pneumonia Citra X-RAY Pada Paru-Paru,” J. Algoritm., vol. 1, no. 2, pp. 147–155, 2021, doi: 10.35957/algoritme.v1i2.893.
[7] M. D. Riza Pratama, B. Priyatna, S. S. Hilabi, and A. L. Hananto, “Deteksi Objek Kecelakaan Pada Kendaraan Roda Empat Menggunakan Algoritma YOLOv5,” J. Ilm. Sist. Informas., vol. 12, no. 2, pp. 15–26, 2022.
[8] N. Nahrudin, Y. Cahyana, and K. A. Baihaqi, “Deteksi Bentuk Candi Jiwa dan Candi Blandongan,” Sci. Student J. Information, Technol. Sci., vol. IV, no. 1, pp. 24–30, 2023.
[9] N. E. Budiyanta, M. Mulyadi, and H. Tanudjaja, “Sistem Deteksi Kemurnian Beras berbasis Computer Vision dengan Pendekatan Algoritma YOLO,” J. Inform. J. Pengemb. IT, vol. 6, no. 1, pp. 51–55, 2021.
[10] B. M. Sapata, “Klasifikasi Penyakit Paru Berdasarkan Citra X-Ray Thorax Menggunakan Metode Fraktal Box Counting,” MATHunesa, vol. 7, no. 3, 2019.
[11] M. F. Naufal, J. Siswantoro, and M. G. K. Wicaksono, “Klasifikasi Tulisan Tangan Pada Resep Obat Menggunakan Convolutional Neural Network,” Techno.Com, vol. 22, no. 2, pp. 508–526, 2023, doi: 10.33633/tc.v22i2.8075.
[12] M. S. S. R. Rikko Ismail Hardianzah, Dr. Ir. Bambang Hidayat, DEA, Prof. Dr. drg. Suhardjo, “PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT GRANULOMA MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM & PRINCIPAL COMPONENT ANALYSIS BERBASIS ANDROID,” e-Proceeding Eng., vol. 4, no. 1, pp. 547–553, 2017.
[13] S. Daeng Bakka Mau, “Pengaruh Histogram Equalization Untuk Perbaikan,” vol. 7, no. 1, pp. 177–182, 2016.
[14] A. R. K. Notan, C. Kurniawan, J. D. Silaen, and P. Rosyani, “Penghapusan Latar Belakang dengan OpenCV dan Python Batasan Penelitian,” vol. 13, no. 2, 2024.
[15] A. Fauzi and D. Riana, “Metode Segmentasi Canny pada Citra Rontgen untuk Klasifikasi Penyakit Paru,” J. Nas. Tek. Elektro, vol. 1, no. 2, pp. 140–145, 2013. [Online]. Available: http://jti.respati.ac.id/index.php/jurnaljti/article/viewFile/1/1