DETEKSI GRANULOMA MELALUI HASIL X-RAY GIGI DENGAN ANALISIS TEKSTUR DAN K-NEAREST NEIGHBOR

(1)

DETEKSI GRANULOMA MELALUI HASIL X-RAY GIGI DENGAN ANALISIS TEKSTUR DAN K-NEAREST NEIGHBOR

Zein Hanni Pradana¹, Achmad Rizal², Prof. Dr. Drg. Suhardjo Ms Sp.rkgk.³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

Abstrak

Kesehatan gigi berkaitan langsung dengan kegiatan metabolisme tubuh karena gigi merupakan organ yang terdapat pada sistem pencernaan dan sistem pencernaan sangat erat hubungannya dengan metabolisme tubuh. Tujuan penelitian ini adalah untuk mengetahui kesehatan gigi dengan menggunakan x-ray karena ada bagian dari gigi yang tidak terlihat. Salah satu penyakit gigi adalah granuloma. Granuloma merupakan penyakit peradangan yang berada disekitar apeks gigi. Penyakit ini juga sulit untuk diketahui oleh dokter gigi umum, sedangkan dokter spesialis radiologi gigi di Indonesia pun jumlahnya tidak banyak.

Metode penelitiannya adalah eksperimental murni. Pada penelitian ini telah dibuat suatu program untuk mendeteksi granuloma melalui citra hasil x-ray gigi berdasarkan ekstraksi ciri Analisis Tekstur dan menggunakan klasifikasi k-NN (k-Nearest Neighbor). Analisis tekstur tepat digunakan karena ada perbedaan tekstur pada granuloma. K-NN digunakan pada penelitian ini karena merupakan metode klasifikasi tanpa proses latih sehingga ringkas.

Sistem yang dibuat menghasilkan tingkat akurasi sebesar 73 % pada saat tidak ada normalisasi citra. Setelah dilakukan normalisasi citra akurasi meningkat menjadi 80%, dan waktu komputasi selama kurang lebih 1,448 detik.

Simpulan dari penelitian ini adalah telah berhasil dirancang sistem pendeteksian granuloma melalui sebuah sistem dengan ekstraksi ciri menggunakan analisis tekstur dan metode klasifikasi k-NN.

Kata Kunci : citra hasil x-ray gigi, granuloma, Analisis Tekstur, klasifikasi k-NN

Abstract

Dental health is directly related with body metabolism because tooth is one of digestive system organ, and digestive system organ is tightly related with body metabolism. The purpose of this study is to check up our dental health by using x-ray image, because there is some part of our tooth that is unseen. One kind of dental disease is granuloma. Granuloma is an inflammatory disease near the tooth’s apex. This kind of disease is difficult to be identified by general dentist, though radiology specialist dentist is too way too rare in Indonesia.

This study is made to detect granuloma by image processing of its x-ray image, where the steps are: feature extraction using Texture Analysis dan classification using k-NN (k-Nearest Neighbor).

Texture Analysis is used because there are some texture differences in granuloma. K-NN is used in this study because it was a simple classification method without training process.

This system had an accuracy of 73% when there is no image normalization. But, if some image normalization was done, the accuracy is increase to 80%, and the computation time is 1,448 seconds.

The conclusions of this study is already successfully designed a system to detect granuloma by using feature extraction using Texture Analysis dan classification using k-NN (k-Nearest Neighbor).

Keywords : dental x-ray image, granuloma, Texture Analysis, K-NN classification

Powered by TCPDF (www.tcpdf.org)

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

(2)

BAB I PENDAHULUAN 1.1 Latar Belakang

Kesehatan merupakan bagian terpenting dalam kehidupan manusia, sehat secara jasmani dan rohani. Kesehatan yang perlu diperhatikan selain kesehatan tubuh secara umum, juga kesehatan gigi dan mulut, karena kesehatan gigi dan mulut dapat mempengaruhi kesehatan tubuh secara menyeluruh. Dengan kata lain bahwa kesehatan gigi dan mulut merupakan bagian yang berhubungan dengan kesehatan tubuh secara keseluruhan. Dalam mengetahui sehat atau tidaknya gigi, ada bagian-bagian gigi yang tidak dapat terlihat dengan mata langsung, untuk dapat melihat bagian-bagian yang tertutup ini maka digunakanlah x-ray. X-ray akan diteruskan jika menembus benda yang lunak dan akan dipantulkan jika menembus benda yang keras seperti tulang atau gigi.

Salah satu penyakit periapikal gigi adalah granuloma. Penyakit ini merupakan peradangan kronis yang terjadi pada sekitar apeks gigi. Penyakit ini dapat dilihat dari citra hasil x-ray, namun yang dapat mengetahui apakah ini merupakan granuloma ataupun bukan adalah dokter spesialis radiologi kedokteran gigi, padahal jumlah dokter spesialis radiologi kedokteran gigi di Indonesia jumlahnya masih sedikit. (Grosman, 1995)

Pada penelitian Mulyono, 2011 dilakukan deteksi Osteoporosis pada x-ray dental panoramic dengan analisis tekstur. Pada penelitian ini, analisis tekstur diterapkan pada

hasil x-ray gigi periapikal untuk mendeteksi granuloma.

Pre-processing yaitu pengubahan ukuran gambar (rezise) menjadi 256x256, dilanjutkan dengan konversi menjadi grayscale, dan terakhir dilakukan proses imadjust (contrast stretching) dengan rentang yang digunakan yaitu 50 s/d 250. Setelah pre- processing kemudian diambil ciri citra berdasarkan ekstraksi ciri analisis tekstur

menggunakan ciri orde 1 yaitu mean dan variance dan ciri orde 2 yaitu contrast dan variance. Dalam melakukan klasifikasi beberapa ciri citra disimpan sebagai ciri latih untuk

selanjutnya digunakan dalam proses klasifikasi. Dalam melakukan klasifikasi digunakan klasifikasi k-NN.

Analisis tekstur digunakan untuk melihat perbedaan tekstur. Tampilan radiografi pada penyakit granuloma terdapat perbedaan tekstur, sehingga ekstraksi ciri ini sangat sesuai digunakan. Klasifikasi k-NN digunakan pada penelitian ini karena k-NN merupakan

(3)

Deteksi Granuloma Melalui Hasil X-ray Gigi dengan Analisis Tekstur dan K-Nearest

Neighbor 2

klasifikasi yang dapat digunakan dengan ringkas karena tidak memerlukan proses latih, hanya cukup menggunakan ciri latih saja.

1.2 Tujuan

Tujuan penelitian ini adalah sebagai berikut:

1. Menerapkan analisis tekstur dan k-NN untuk mendeteksi granuloma melalui hasil x- ray gigi.

2. Merancang dan merealisasikan suatu sistem untuk mendeteksi granuloma melalui hasil x-ray gigi.

3. Melakukan analisa kinerja sistem dalam mendeteksi granuloma melalui hasil x-ray gigi.

1.3 Perumusan Masalah

Beberapa permasalahan pada penelitian adalah sebagai berikut:

1. Bagaimana mengolah hasil x-ray gigi dalam lingkungan Matlab.

2. Bagaimana melakukan ekstraksi ciri berdasarkan Analisis Tekstur.

3. Bagaimana melakukan klasifikasi dengan K-Nearest Neighbor melalui hasil ekstrasi ciri.

4. Bagaimana melakukan deteksi dari feature yang ada untuk mendiagnosis penyakit granuloma.

1.4 Batasan Masalah

Penelitian ini membatasi permasalahan adalah sebagai berikut:

1. Data citra gigi berpanyakit merupakan file digital dalam format *.jpg atau *.bmp.

2. Data masukkan yang menjadi objek adalah citra gigi berpenyakit Granuloma.

3. Data x-ray gigi yang dianalisa dan dideteksi merupakan periapikal radiograf dari orang Indonesia.

1.5 Metodologi Penelitian

Metodologi Penelitian yang digunkan dalam penelitian ini adalah penelitian eksperimental murni.

(4)

1.6 Sistematika Penulisan

Penelitian ini dibagi dalam beberapa topik bahasan yang disusun secara sistematis sebagai berikut :

Bab I Pendahuluan

Bab ini membahas latar belakang, tujuan, perumusan dan batasan masalah, metodologi penelitian serta sistematika penulisan.

Bab II Dasar Teori

Bab ini membahas prinsip dasar gigi, prinsip dasar pengolahan citra digital, Analisis Tekstur, dan metode pengklasifikasian dengan K-Nearest Neighbor.

Bab III Perancangan dan Realisasi Sistem Deteksi Granuloma Bab ini menjelaskan proses desain dan realisasi sistem.

Bab IV Analisa Kinerja Sistem Deteksi Granuloma

Bab ini membahas analisa hasil percobaan secara kualitatif dan kuantitatif. Analisa dilakukan terhadap parameter kinerja sistem yang diamati seperti dijelaskan pada bagian 1.4.

Bab V Kesimpulan dan Saran

(5)

Neighbor 38

BAB V

KESIMPULAN DAN SARAN 5.1 Kesimpulan

Dari hasil pengujian dan analisis yang telah dilakukan pada perancangan sistem deteksi granuloma, maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Telah berhasil dirancang sistem pendeteksian granuloma melalui sebuah sistem dengan ekstraksi ciri menggunakan analisis tekstur dan metode klasifikasi k-NN.

Melalui sistem ini bisa dilakukan pendeteksian yang cukup akurat.

2. Nilai k serta jenis distance dan rule pada k-NN sangat mempengaruhi proses deteksi granuloma, nilai akurasi maksimum adalah pada k=1 dan k=2 dengan aturan jarak Correlation distance dan juga k=1 dan k=2 dengan aturan jarak Cosine distance,

yaitu 73%.

3. Normalisasi citra atau penyesuaian posisi akar gigi dan gigi dapat meningkatkan tingkat akurasi, nilai akurasi sebelum adanya normalisasi citra adalah 73% dan setelah dilakukan normalisasi nilai akurasi meningkat menjadi 80%.

4. Segmentasi citra dapat mempengaruhi nilai akurasi citra, nilai akurasi maksimum adalah pada segmentasi menjadi 6 segmen yaitu 80%.

5. Hasil akurasi dari overlapping segmen tidak ada yang melebihi hasil dari segmentasi tanpa overlapping, maksimal hanya mencapai 63%.

6. Sistem masih dapat bekerja jika masukan sistem diberi distorsi noise Salt and Pepper. Meskipun semakin besar koefisien noise maka semakin kecil akurasi yang

didapat.

7. Tidak digunakannya ciri yang tidak dibutuhkan dapat mengurangi waktu komputasi, untuk 6 segmentasi dengan 11 ciri waktu komputasi rata-ratanya 1.521 detik, seteleh digunakan 4 ciri saja waktu komputasi menjadi 1.448 detik.

5.2 Saran

Adapun saran untuk pengembangan penelitian selanjutnya adalah :

1. Citra gigi yang akan diproses sistem diusahakan agar memiliki ukuran yang seragam dengan kualitas citra yang baik.

2. Menggunakan algoritma pre-processing yang lebih baik sehingga mengurangi noise dan kesalahan sistem dalam menerjemahkan citra masukan.

(6)

3. Menggunakan metode klasifikasi ciri yang lain yang dapat mengoptimalkan tingkat akurasi seperti Jaringan Syaraf Tiruan.

4. Dapat dicoba terhadap penyakit-penyakit lain, seperti abses, peradangan pulpa, dan sebagainya.

(7)

Neighbor 40

DAFTAR PUSTAKA

Aksoy, S. 2008. Non Bayesian Classifiers Part I : k-Nearest Neighbor Classifier and Distance Functions. Ankara: Bilkent University. 5-6 pp.

Cunningham, P and Delany, S. J. 2007. k-Nearest Neighbour Classifiers. Belfield:

University College Dublin. Hlm 1-2.

Garg, N. and Garg, A. 2007. Textbook of Endodontics. New Delhi : Ajanta Offset &

Packagings Ltd. 41 pp.

Grossman, L. I. 1995. Ilmu Endodontik dalam Praktek. Alih bahasa. Rafiah Abiyono. Ed ke-11. Jakarta:EGC. Hlm 97-100.

Hu, Y.; Chun-xia, Z. and Hong-nan W. 2008. Directional Analysis of Texture Images Using Gray Level Co-occurrence Matrix. IEEE Pasific-Asia Workshop on

Computional Intelegence and Industrial Application. China: Nanjing University of Scince and Technology. 277-281 pp.

Kardi, Teknomo. 2008. K Nearest Neighbor Tutorial,

http://people.revoledu.com/kardi/tutorial/KNN/index.html, terakhir diakses tanggal 10 Januari 2012.

Modul 6 Analisis Tekstur & ekstraksi ciri. Available online at : http://biomed.ee.itb.ac.id/courses/PengolahanCitra/2011/praktikum/Modul%205%2 0-%20EL3008.zip, terakhir diakses tanggal 10 Januari 2012.

Mulyono, A. 2011. Analisis Tekstur Citra Tulang Rahang (Dental Panoramic) Untuk Deteksi Osteoporosis. Malang: UIN Maliki. Hlm 1.

Putra, D. 2010. Pengolahan Citra Digital. Yogyakarta : ANDI Offset. Hlm 19-21.

(8)

Senyum Ceria Dengan Gigi Sehat, http://www.scribd.com/doc/28889089/GIGI-SEHAT , terakhir diakses tanggal 20 Oktober 2011.

Sulistiyawati, I. 2009. Kuliah 6 – Restorasi Citra (Image Restoration). Yogyakarta:

Universitas Mercu Buana. Hlm 3.

Yogiarto, G. 2009. Klasifikasi Jenis Daging Konsumsi Berdasar Analisis Tekstur Dengan Pengolahan Citra. Bandung : Institut Teknologi Telkom. Hlm 12-15, 28-29.