Klasifikasi Tuberculosis Citra Rontgen Paru dengan Ekstraksi Fitur Gray Level Cooccurrence Matrix dan Support Vector Machine

Abstract

Tuberkulosis (TB) adalah infeksi menular yang berpotensi fatal disebabkan oleh bakteri Mycobacterium tuberculosis. Tujuan penelitian ini adalah untuk meningkatkan kapabilitas model dalam membedakan citra rontgen paru antara kasus Tuberkulosis dan keadaan normal menggunakan metode ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) dan Support Vector Machine (SVM). Penelitian ini menggunakan pendekatan eksperimental yang melibatkan serangkaian langkah termasuk pra-pemrosesan data, pemisahan dataset, ekstraksi fitur GLCM dan pembentukan model klasifikasi SVM. Dataset penelitian terdiri dari 206 citra paru normal dan 204 citra Tuberkulosis. Evaluasi menunjukkan bahwa model klasifikasi SVM dengan kernel linear mencapai kinerja terbaik dengan akurasi 96,59% pada data validation. Fitur-fitur GLCM seperti energy, contrast, correlation dan homogeneity berhasil diekstraksi untuk membedakan kedua kelas dengan baik. Evaluasi juga menunjukkan bahwa kedua kelas Tuberkulosis dan normal memiliki nilai presisi, recall, dan F1 Score yang seimbang. Oleh karena itu, penggunaan metode GLCM dan SVM terbukti efektif dalam meningkatkan kemampuan model dalam mendiagnosis Tuberkulosis pada citra rontgen paru, serta memberikan kontribusi positif dalam penanganan penyakit ini.