1
Universitas Telkom BAB 1
PENDAHULUAN
1.1 Latar Belakang
Gigi adalah jaringan tubuh yang paling keras dibanding yang lainnya.
Strukturnya berlapis-lapis mulai dari email gigi, dentin (tulang gigi), pulpa yang berisi pembuluh darah, akar gigi, pembuluh saraf, dan bagian lain yang memperkokoh gigi [1]. Namun demikian, gigi merupakan jaringan tubuh yang mudah sekali mengalami kerusakan. Ini terjadi ketika gigi tidak memperoleh perawatan dengan semestinya. Salah satu kelainan pada gigi adalah granuloma.
Granuloma adalah rangsangan kronis yang terjadi di sekitar ujung akar gigi.
Kemajuan teknologi telah berkembang sangat pesat. Hal ini juga berdampak dalam dunia kesehatan. Salah satu penerapan dari teknologi yang digunakan oleh dokter gigi dalam mendiagnosa suatu kelainan atau penyakit pada gigi adalah tenologi x-ray yaitu radiograf periapikal. Namun, karena keterbatasan penglihatan yang berbeda-beda tiap dokter gigi, akan menimbulkan intepretasi yang berbeda- beda dalam membaca citra radiograf periapikal tersebut. Salah satu cara untuk membantu para dokter gigi dalam membaca citra radiograf periapikal guna mendiagnosis suatu kelainan pada gigi yaitu dengan menggunakan pengolahan citra dari hasil foto radiograph. Untuk mengolah citra digital dari radiograf tersebut, dibutuhkan metode pengolahan citra yang tepat agar hasil dapat akurat [2].
Pada penelitian tugas akhir ini digunakan metode GLCM (Gray Level Co- Occurrence Matrix) merupakan metode pengambilan ciri atau fitur berdasarkan
tingkat keabuan yang sering terjadi dalam piksel dan metode ini berbasis statistikal.
Metode statistik terdiri dari ekstraksi ciri orde pertama dan ekstraksi ciri orde kedua.
Ekstraksi ciri orde pertama dilakukan melalui histogram citra sedangkan ekstraksi ciri statistik orde kedua dilakukan dengan matriks kookurensi, yaitu suatu matriks yang merepresentasikan hubungan ketetanggaan antar piksel dalam citra pada berbagai arah orientasi dan jarak spasial. Pada beberapa kasus, ciri orde pertama tidak lagi dapat digunakan untuk mengenali perbedaan antar citra. Pada kasus seperti ini, kita membutuhkan pengambilan ciri statistik orde dua [3].
Hasil dari ekstraksi ciri tersebut diklasifikasikan menggunakan LVQ (Learning Vector Quantization). Metode klasifikasi ini diyakini dapat digunakan
2
Universitas Telkom dalam penelitian yang diarahkan pada pemodelan bagian tubuh manusia dan pengenalan suatu penyakit dari berbagai scan [4].
Penggunaan aplikasi pada matlab dengan perancangan aplikasi dan metode yang berbeda dari penelitian sebelumnya dalam proses pengenalan ciri mempermudah pendeteksian granuloma disemua kalangan dokter di berbagai daerah pelosok yang sulit mendapatkan alat radiologi dengan harga yang cukup mahal.
1.2 Penelitian Terkait
Penelitian dengan topik dan tujuan yang sama telah dilakukan sebelumnya sebagai berikut:
Tabel 1. 1 Penelitian Terkait
Pada penelitian Shofiya Rona Gemintang telah dilakukan pendeteksian gigi granuloma dengan metode yang berbeda. Pada penelitian tersebut menggunakan metode ekstraksi ciri Binary Large Object dengan akurasi sebesar 80% .
1.3 Perumusan Masalah
Berdasarkan deskripsi latar belakang, maka dapat dirumuskan beberapa masalah di tugas akhir ini, yaitu:
1. Bagaimana mengenali ciri gigi granuloma melalui citra radiograf periapikal?
2. Bagaimana mengolah hasil citra radiograf periapikal dalam aplikasi matlab?
Tahun Penulis Judul Akurasi
2016 Shofiya Rona Gemintang
Pengolahan Citra Radiograf Periapikal Pada Deteksi Penyakit Granuloma Dengan Metode Binary Large Object Berbasis Android
80 %
2016 Syelanisa Nabilla
Identifikasi Pola Sidik Bibir Pada Pria Dan Wanita Menggunakan Metode Gray Level Co-Occurrence Matrix (GLCM) Dan Learning Vector Quantization (LVQ) Sebagai Aplikasi Bidang Forensik
93.333 %
3
Universitas Telkom 3. Bagaimana cara merancang sistem perangkat lunak yang dapat mendeteksi granuloma melalui citra radiograf periapikal dengan metode GLCM dan klasifikasi LVQ?
4. Parameter apa saja yang digunakan agar diperoleh hasil akurasi yang tepat?
1.4 Asumsi dan Batasan Masalah
Batasan masalah yang ada di tugas akhir ini adalah sebagai berikut:
1. Format data radiograf periapikal yang digunakan sebagai input merupakan file digital dalam bentuk *.jpg.
2. Data masukan merupakan hasil scan dengan menggunakan scanner dari citra radiograf periapikal yang diperoleh dari bagian radiologi RSGM FKG Universitas Padjajaran.
3. Data citra gigi radiograf periapikal adalah gigi manusia baik gigi laki-laki dan perempuan.
4. Pada proses perancangan aplikasi deteksi granuloma gigi menggunakan metode ekstraksi ciri GLCM (Gray Level Co-Occurrence Matrix).
5. Klasifikasi pada perancangan aplikasi deteksi granuloma dengan LVQ (Learning Vector Quantization).
6. Hasil keluaran sistem yaitu mendeteksi gigi dalam kondisi gigi yang memiliki kelainan granuloma dan non granuloma.
7. Aplikasi deteksi granuloma akan menggunakan platform matlab.
1.5 Tujuan Penelitian
Tujuan pengerjaan tugas akhir ini adalah:
1. Dapat mengetahui dan membedakan ciri kelainan gig granuloma dan gigi non granuloma melalui citra radiograf periapikal.
2. Merancang dan mensimulasi suatu aplikasi matlab yang dapat mendeteksi granuloma melalui periapikal radiograf.
3. Menganalisis hasil dari metode ekstraksi ciri GLCM dan klasifikasi Learning Vector Quantization.
1.6 Manfaat Penelitian
1. Bagi mahasiswa, mengembangkan tingkat imajinasi dan logika mahasiswa dalam bidang penelitian sehingga terbiasa berpikir kritis dalam menghadapi suatu permasalahan dibidang teknologi.
4
Universitas Telkom 2. Bagi institusi, memberikan ruang untuk mahasiswa agar dapat memaksimalkan minat dan potensi akan solusi permasalahan di masyarakat.
Serta hasil dari penelitian ini dapat memberikan referensi dalam meningkatkan kualitas pendidikan.
3. Bagi masyarakat khususnya dokter gigi, dapat membantu mengambil keputusan dalam membaca citra radiograf periapikal guna mendiagnosa suatu kelainan pada gigi.
1.7 Hipotesis Penelitian
Metode ekstraksi ciri menggunakan Gray Level Co-occurrence Matrix termasuk dalam metode statistik dimana dalam perhitungan statistiknya
menggunakan distribusi derajat keabuan dengan mengukur tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra.
Model pembelajaran LVQ dilatih secara signifikan agar lebih cepat dibandingkan algoritma lain. Dengan menggunakan dasar tersebut, maka dapat dibuat hipotesis bahwa pengembangan aplikasi yang diusulkan pada penelitian ini memenuhi jaminan mendapatkan output dengan tingkat akurasi yang tinggi dan dapat dimanfaatkan dengan mudah oleh para dokter gigi.
1.8 Metodologi Penelitian
Metodologi yang digunakan dalam penyelesaian ini adalah : 1. Studi literatur
Melakukan studi literatur dengan mencari, mempelajari dan memahami hal- hal yang berkaitan dengan tugas akhir ini, diantaranya:
a Mempelajari tentang radiograf periapikal.
b Mempelajari tentang pengolahan citra.
c Mempelajari tentang ekstraksi ciri menggunakan metode GLCM dan klasifikasi LVQ.
2. Pengumpulan data
Pengumpulan data bertujuan untuk mengambil data radiograf yang akan dijadikan sebagai data latih dan data uji yang selanjutnya akan dijadikan database.
3. Studi pengembangan aplikasi
5
Universitas Telkom Studi pengembangan ini bertujuan untuk menetukan metode pengembangan sistem yang digunakan berbeda dengan penelitian sebelumnya dengan pendekatan terstruktur dan melakukan analisis perancangan aplikasi.
4. Implementasi program aplikasi
Implementasi program aplikasi bertujuan untuk mengimplementasi program aplikasi yang sesuai dengan perancangan yang telah dilakukan.
5. Simulasi dan analisis performansi
Analisis performansi ini bertujuan untuk melakukan analisis pada performansi dari aplikasi yang telah dibuat dan untuk mengetahui tingkat akurasi dari sistem.
6. Pengambilan kesimpulan
Pengambilan kesimpulan ini bertujuan untuk menarik kesimpulan setelah melakukan semua percobaan dan penelitian saat pengklasifikasian granuloma pada gigi serta dapat melihat hasil untuk membedakan mana gigi yang memiliki kelainan granuloma dan non granuloma dengan ekstraksi ciri GLCM dan klasifikasi LVQ.
1.9 Metodologi Penelitian
Adapun sistematika penulisan tugas akhir ini adalah sebagai berikut :
BAB I PENDAHULUAN
Membahas latar belakang masalah, penelitian terkait, perumusan masalah, asumsi dan batasan masalah, tujuan penelitian, manfaat penelitian, hipotesis, metodologi penelitian, serta sistematika pembahasan laporan.
BAB II DASAR TEORI
Membahas prinsip dasar radiograf periapikal, prinsip dasar granuloma, prinsip dasar pengolahan citra digital, metode menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan analisis klasifikasi dengan Learning Vector Quantization.
BAB III PERANCANGAN DAN SIMULASI
Menjelaskan proses desain, realisasi sistem, serta membahas parameter pengujian sistem.
6
Universitas Telkom BAB IV PENGUJIAN SISTEM DAN ANALISIS HASIL
Berisi data hasil pengolahan citra acuan dan data hasil pengolahan citra uji. Menganalisis keakuratan hasil citra acuan sistem dengan hasil citra uji sistem.
BAB V KESIMPULAN DAN SARAN
Berisi kesimpulan dari Tugas Akhir ini dan saran yang dapat digunakan untuk penelitian dan pengembangan lebih lanjut atau sebagai bahan referensi.
