ABSTRAKSI: Pada Tugas Akhir ini dilakukan pendeteksian penyakit TBC dan efusi menggunakan filter 2D gabor wavelet dan logika fuzzy. Hal ini karena kedua penyakit tersebut memiliki ciri khusus yang dapat dikenali dari hasil foto rontgen paru-paru.
Sistem pendeteksian penyakit paru-paru yang dirancang pada penelitian ini terdiri dari tiga bagian sistem, yaitu : sistem pre-processing yang bertujuan untuk meningkatkan kualitas citra masukan yang akan dideteksi menggunakan contrast stretching. Sistem ekstraksi ciri bertujuan untuk mengambil vektor ciri dari sebuah citra yang selanjutnya akan diklasifikasi menggunakan filter 2D gabor wavelet. Sedangkan sistem klasifikasi bertujuan untuk mengklasifikasikan citra kedalam tiga kondisi yaitu normal,TBC,dan efusi menggunakan logika fuzzy. Setelah ketiga bagian sistem diimplementasikan, maka selanjutnya dilakukan proses pelatihan dengan menggunakan 60 citra. Selanjutnya sistem diuji dengan menggunakan 60 citra yang berbeda.
Akurasi yang dihasilkan sistem pada Tugas Akhir ini yaitu 100% untuk 60 citra latih, dimana masing-masing kelas terdiri atas 20 citra latih. Akurasi citra uji yaitu 90% untuk 60 citra uji, dimana masing-masing kelas terdiri atas 20 citra uji, kondisi normal 100%, Efusi 100% dan TBC 70% .
Kata kunci : tuberkulosis (TBC), efusi pleura, contrast stretching, filter 2D gabor wavelet, logika fuzzy.Kata Kunci : tuberkulosis (TBC), efusi pleura, contrast stretching, filter 2D gabor wavelet, logika fuzzy.ABSTRACT: This final project is about tuberculosis and pleura effusion diseases detection using 2D Gabor wavelet filter and fuzzy logic, because these diseases have specific characteristic that can be identified from X-ray picture.
Lungs diseases detection system in this final project consists of three parts, which are : Preprocessing which is contrast stretching used to increase the image quality that will be detected. The Feature extraction system is using 2D Gabor Wavelet Filter to get the feature vector from an image that will be classified. The classification system is used to classify images into three conditions: normal, tuberculosis, and pleura effusion using fuzzy logic. After these three parts, the system are implemented, the next step is the training process using 60 images. Then the system will be tested using 60 different images.
The accuracy from the system in this final project is 100% for training images, which each class consists of 20 training images. The accuracy from the testing images is 90% for all images, which each class consists of 20 testing images, 100% for normal condition, 100 % for pleural effusion, and 70% for tuberculosis.
Key words : tuberculosis (TBC), pleura effusion, contrast stretching, gabor wavelett, fuzzy logic.Keyword: tuberculosis (TBC), pleura effusion, contrast stretching, gabor wavelett, fuzzy logic.