Garuda - Garba Rujukan Digital

Perbandingan Deteksi Pulpitis Melalui Citra Radiograf Periapikal Dengan Ekstrasi Ciri Watershed Dan Grey Level Co-occurrence Matrix (glcm) Dengan Klasifikasi K-nearest Neighbour (k-nn) Mareska Pratiwi Maharani; Bambang Hidayat Hidayat; Suhardjo MS
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstrak Menjaga kesehatan gigi dan mulut sangatlah penting terutama gigi yang berfungsi sebagai pengolah makanan yang memungkinkan manusia untuk mengigit, memotong, menguyah dan menghaluskan makanan. Salah satu penyakit yang sering menyerang gigi adalah Pulpitis. Pulpitis disebut juga sebagai radang gigi yang menimbulkan rasa nyeri karena terjadi di pulpa gigi yang mengandung banyak saraf dan pembuluh darah. Cara mendeteksi penyakit ini dengan cara periodikal radiograf yaitu dengan menggunakan sinar x-ray. Namun cara ini masih memiliki kualitas citra yang rendah. Berlandaskan masalah tersebut, tugas akhir ini akan meningkatkan kualitas terhadap citra radiograf bertujuan untuk membantu dokter dalam mendeteksi penyakit pulpitis pada gigi, dari yang sebelum nya hanya dokter ahli dalam bidang radiologi yang jumlahnya masih sedikit di Indonesia. Penelitian ini dilakukan dengan mensintesis dari penelitian yang sudah ada dan berhubungan dengan teknik diagnosa penyakit gigi melalui pengolahan citra digital dan citra periapikal radiograf. Metode-metode yang diuji kembali adalah Grey Level Co-occurrence Method (GLCM) dan Watershed. Serta untuk klasifikasinya menggunakan metode K-Nearest Neighbour. Data yang digunakan berupa citra gigi pulpitis reversible, citra gigi pulpitis irreversible dan citra gigi normal. Akurasi identifikasi tertinggi yang didapat menggunakan metode Watershed adalah 83,33% dan menempuh waktu komputasi 0,3730 detik dengan ukuran image 256 x 256 piksel dan nilai K=1. Sedangkan untuk metode GLCM didapat akurasi tertinggi nya yaitu 66,66 % dan menempuh waktu komputasi 0,1629 detik dengan ukuran image 128 x 128 piksel, jarak 3 piksel, sudut 90 derajat, level kuantisasi 16 dan nilai K=1. Kata Kunci :Gigi, Granuloma, Hak Cipta Penelitian. Abstract Itâ€™s really important to keep the healthy teeth and mouth especially the teeth as a food processing that makes possible for human to bite, cut, swallow and make food softer. One of the disease that usually occur in teeth is Pulpitis. Pulpitis also called as teeth inflammation that cause painful feeling because happened in teeth pulp that contain a lot of nerves and blood vessel. Method to detect this disease is with radiograf periapical that using x-ray. But this method is still has a low image quality. Based on that problem, this final assignment will improve the quality of radiograf image aim to help doctors to detect pulpitis in teeth, from the previous that only doctors in radiology that still not many of them in Indonesia. This research has been done by synthesize from the previous researches and related with teeth disease diagnostic techniques through digital image processing and radiographic periapical images. The methods that have been done are Gray Level Co-occurrence Method (GLCM) and Watershed. And for the classification using K-Nearest Neighbors method. The data used in the form of reversible pulpitis teeth image, teet image of irreversible pulpitis and normal teeth image. The highest identification accuracy obtained using Watershed method is 83.33% and computed 0.3730 seconds with 256 x 256 pixel image size and K = 1. While for GLCM method obtained its highest accuracy is 66,66 % and computing time 0,1629. seconds with image size is 128 x 128 pixels, distance is 3 pixel, 90 degree angle, quantization level is 8 and K=1. Keywords: Teeth, Pulpitis, Grey Level Co-occurrence Matrix (GLCM), Watershed , K Nearest-Neighbour

Sintesa Penelitian Deteksi Kista Periapikal Radiograf Dengan Metode Binary Large Object (blob) Dan Metode Gray Level Co-occurrence Matrix (glcm) Nabila Sarashadarti; Bambang Hidayat; Suhardjo MS
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstrak Kista adalah sebuah rongga yang berisi cairan atau gas, kista pada gigi yang paling sering dijumpai ialah kista periapikal, yaitu kista yang terjadi pada ujung akar. Untuk melakukan diagnosa kista periapikal diperlukan dokter ahli di bidang radiologi yang mana masih sedikit jumlahnya di Indonesia, karena masalah itu penulis membuat tugas akhir ini dengan tujuan dapat mempermudah pendeteksian kista periapikal. Berdasarkan penelitian-penelitian yang sudah dilakukan, dipilih dua metode yang diuji kembali dalam tugas akhir ini, yaitu metode BLOB (Binary Large Object) dan metode GLCM (Gray Level Co-Occurrence Matrix). Kedua metode ekstraksi ciri ini dilakukan kemudian diklasifikasikan menggunakan metode pengklasifikasian K-Nearest Neighbour. Pada penelitian ini digunakan 16 Data Latih dan 13 Data Uji, setelah hasil pengujian didapatkan hasil dengan tingkat akurasi uji untuk Metode GLCM (Gray Level Co-Occurrence Matrix) 100% yang diraih dengan waktu komputasi 0,6521s pada citra berdimensi 512x512 dengan nilai kuantisasi 16 pada jarak 5 dengan phasa 90Âº dan Metode BLOB (Binary Large Object) pada citra berdimensi 128x128 menggunakan ciri statistik orde satu mean, kurtosis, dan entropy meraih tingkat akurasi uji sebesar 76,92% dengan waktu komputasi 0,5434s. Kata Kunci : kista periapikal, BLOB, periapikal radiograf, GLCM Abstract A cyst is a cavity containing a liquid or gas, periapical cyst is a cyst that occurs at the end of the roots, usually start with pulpitis. To correctly diagnose periapical cyst, a doctor who has an expert in radiology is needed, which are still few in number in Indonesia, because of that problems the author makes this final project with the aim of facilitating the detection of periapical cysts. Based on previous researches that is already done, author selected two tested methods that return in this final task, the method of BLOB (Binary Large Object) and the method of GLCM (Gray Level CoOccurrence Matrix). Both methods of feature extraction then classified using classification method of KNearest Neighbour. This research uses 16 trained data and 13 test data, the obtained results for GLCM (Gray Level CoOccurrence Matrix) method is 100% with computing time 0, 6521s on the 512x512-dimensional image with the value of the quantization 16 at 5 with 90Â° phase and BLOB (Binary Large Object) method on thedimensional image 128 x 128 using statistical characteristics of order one using mean, kurtosis, and the entropy resulting level of accuracy test of 76.92% with computing time 0, 5434s. Keywords : Periapical Cyst, GLCM, BLOB, Periapical Radiograph

Sintesis Hasil Penelitian Berkaitan Dengan Deteksi Granuloma Melalui Segmentasi Citra Periapikal Radiograf Menggunakan Domain Frekuensi Pritta Anggraeni Anindyasari; Bambang Hidayat; Suhardjo MS
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstrak Gigi adalah alat pencernaan yang paling keras yang terdapat pada bagian mulut. Kesehatan gigi berkaitan langsung dengan kegiatan metabolisme tubuh karena gigi merupakan organ yang terdapat pada sistem pencernaan. Oleh karena itu, perawatan gigi sangatlah penting untuk mencegah terjadinya berbagai macam penyakit gigi. Ada berbagai macam penyakit gigi, salah satunya adalah granuloma. Granuloma merupakan sebuah penyakit yang terjadi pada jaringan gigi. Penentuan penyakit yang terjadi pada gigi saat ini dilakukan dengan cara pengambilan gambar dari gigi, kemudian diagnosis penyakit pada gigi dilakukan oleh dokter spesialis radiologi kedokteran gigi melalui pembacaan film hasil radiograf dan pembacaan ini dilakukan secara kasat mata, sehingga hasil diagnosa cenderung bersifat subjektif. Oleh karena itu, dibutuhkan suatu sistem yang dapat membantu dokter gigi dalam memberikan diagnosa penyakit. Maka penulis akan melakukan sintesa dari penelitian penelitian yang sebelumnya dan mengkaji ulang metode yang paling akurat. Dari penelitian yang sudah ada tentang deteksi penyakit granuloma gigi pada domain frekuensi dan domain spasial, penulis akan fokus untuk mensitesakan penelitian yang terkait pada domain frekuensi. Pada tugas akhir ini metode yang akan diujikan kembali adalah metode Gabor Wavelet dan Discrete Cosine Transform (DCT), sebagai ekstraksi ciri kemudian dilakukan pengklasifikasian dengan menggunakan metode K-Nearest Neighbor (K-NN). Dari sintesis penelitian yang sudah dilakukan ini, diharapkan diperoleh metoda yang akurasinya paling tinggi, untuk selanjutnya bisa diproses menjadi hak cipta penelitian. Kata Kunci :Gigi, Granuloma, Hak Cipta Penelitian. Abstract Teeth are the hardest digestive tool found in the mouth. Dental health is directly related to the metabolic activity of the body because the tooth is an organ found in the digestive system. Therefore, dental care is very important to prevent the occurrence of various dental diseases. There are various kinds of dental diseases, one of which is granuloma. Granuloma is a disease that occurs in dental tissue. Determination of diseases that occur in teeth is currently done by taking pictures of the teeth, then the diagnosis of dental disease is done by a specialist radiology dentistry through the reading of radiographic film and this reading is done by naked eye, so the diagnosis tends to be subjective. Therefore, a system that can help the dentist in diagnosing the disease is needed. So the author will synthesize from previous research research and review the most accurate method. From existing research on granuloma dental disease detection in frequency domain and spatial domain, the authors will focus to research related research on the frequency domain. In this final project method will be tested again is Gabor Wavelet and Discrete Cosine Transform (DCT) method, as extraction characteristic then classified using KNearest Neighbor (K-NN) method. From the synthesis of research that has been done, it is expected to get the method with the highest accuracy, for the next can be processed into copyright research. Keywords: Teeth, Granuloma, Copyright Research

Sintesis Penelitian Deteksi Penyakit Abses Pada Gigi Manusia Melalui Citra Periapikal Radiograf Domain Spasial Rr Ayuningtias Setiaji; Bambang Hidayat; Suhardjo MS
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstrak Abses merupakan penyakit gigi yang menyebabkan benjolan berisi cairan (nanah) pada bagian akar, gusi atau antara gigi akibat infeksi bakteri. Penyakit abses periapikal sangat sulit untuk dilihat secara kasat mata, maka dari itu untuk mendiagnosis penyakit tersebut dibutuhkan beberapa pengujian fisik menggunakan periapikal radiografi yang berguna untuk memastikan adanya pembusukan di sekitar gigi. Pengujian fisik saat ini dilakukan oleh dokter ahli spesial radiologi dengan manual yang hasilnya bersifat subjektif. Oleh sebab itu, untuk mempermudah dalam mendiagnosis dibutuhkan suatu alat/sistem yang dapat membantu meningkatkan akurasi diagnosa penyakit. Pada tugas akhir ini telah dilaksanakan sintesis dari seluruh penelitian yang terkait dengan teknik mendiagnosa penyakit abses pada gigi melalui pengolahan citra digital dan citra periapikal radiograf. Metode yang dipilih untuk diujikan kembali adalah Singular Value Decomposition (SVD) dan Binary Large Object (BLOB) dengan klasifikasi kNearest Neighboor (k-NN). Data yang digunakan merupakan data yang sama untuk menguji kedua metode yaitu data latih dengan jumlah 8 untuk citra abses dan 8 untuk citra non-abses sedangkan data uji dengan jumlah 11 untuk citra abses dan 11 untuk citra non-abses. Sintesis ini menghasilkan akurasi tertinggi yang didapat dari metode Singular Value Decomposition (SVD) pada matriks eigen value S dengan ukuran piksel 128Ã—128 dan parameter k pada k-NN adalah 1 yang menghasilkan akurasi 90,9091% dengan waktu komputasi 0,3548 detik. Kata kunci : Abses, Radiograf Periapikal, Pengolahan Citra Digital, Singular Value Decomposition (SVD), Binary Large Object (BLOB), k-Nearest Neighboor (k-NN). Abstract A dental abscess is a disease that cause a collection of pus that could form between the teeth, in the gums, or in the bone that holds the teeth in place due to bacterial infection. Periapical abscess is very difficult to be seen by the naked eye, therefore some physical testing using periapical radiograph is required to ensure the decay around the teeth. Physical testing is currently carried out manually by radiologists whose results are subjective. Therefore, in order to facilitate the diagnosis, a device or system that could improve the accuracy of diagnosis is needed. In this final project, a synthesis of all studies related to the technique of diagnosing dental abscesses through digital image processing and periapical radiograph images has been done. Singular Value Decomposition (SVD) and Binary Large Object (BLOB) with k-Nearest Neighbors (k-NN) classification has been chosen as the method to be retested. The data used is the same data to test both methods, namely training data with 8 numbers for abscess images and 8 for non-abscess images while the test data with 11 numbers for abscess images and 11 for non-abscess images. The result of synthesis in the highest accuracy obtained from the Singular Value Decomposition (SVD) method by using ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 5554 the S matrix, 128Ã—128 pixel size and the k parameter on k-NN is 1 which results in 90.9091% accuracy with a computing time of 0.3548 seconds. Keywords : Abscess, Periapical Radiograph, Digital Image Processing, Singular Value Decomposition (SVD), Binary Large Object (BLOB), k-Nearest Neighboor (k-NN).

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search