Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Mnemonic
Bambang Hidayat
Prodi S1 Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom Bandung
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DETEKSI CITRA GRANULOMA MELALUI RADIOGRAF PERIAPIKAL DENGAN METODE SCALE INVARIANT FEATURE TRANSFORM DAN KLASIFIKASI K-NEAREST NEIGHBOR Siti Faradilla Zenda; Bambang Hidayat; Suhardjo Suhardjo
Mnemonic : Jurnal Teknik Informatika Vol 1 No 1 (2018): Mnemonic Vol. 1 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.707 KB) | DOI: 10.36040/mnemonic.v1i1.13

Abstract

Radiograf periapikal merupakan komponen yang menghasilkan gambar radiografi dari gigi secara rinci dan jaringan apeks sekitarnya. Gambaran radiografi sangat membantu dokter gigi menegakkan diagnosis dan rencana perawatan kasus gigi impaksi. Dokter gigi mendiagnosa citra perapikal radiograf menggunakan mata namun karena keterbatasan indra penglihatan manusia bisa menyebabkan interpretasi masing-masing dokter gigi berbeda. Pada penelitian ini dibuatlah metode pengolahan citra yang dapat mendeteksi granuloma dari citra periapikal radiograf. Keluaran sistem dapat memberikan hasil yang dapat membantu dokter gigi dalam membuat keputusan dan meningkatkan diagnosis terhadap radiografi periapikal. Pada penelitian ini pembuatan sistem dilakukan dalam beberapa tahap yaitu pre-processing,ektraksi ciri dan klasifikasi. Metode yang akan digunakan dalam penelitian ini adalah Scale Invariant Feature Transformation (SIFT) sebagai metode ekstrasi ciri. SIFT adalah algoritma untuk mendeteksi dan menjelaskan fitur lokal pada citra. Proses klasifikasi menggunakan metode K-Nearest Neighbor (K-NN). K-NN adalah metode untuk mengklasifikasi obyek berdasarkan contoh latih terdekat. Hasil dari sistem ini adalah mampu untuk mengidentifikasi penyakit granuloma dengan akurasi 85,84% dengan waktu komputasi rata-rata 4,04 detik.Katakunci: granuloma, radiografi periapikal, Scale Invariant Feature Transformation (SIFT), K-Nearest Neighbor (K-NN).
Co-Authors Siti Faradilla Zenda Suhardjo Suhardjo