| dc.contributor.advisor | JUSMAN, YESSI | |
| dc.contributor.author | TAMARENA, RHESEZIA INTAN | |
| dc.date.accessioned | 2020-02-11T02:57:47Z | |
| dc.date.available | 2020-02-11T02:57:47Z | |
| dc.date.issued | 2020-01-15 | |
| dc.identifier.uri | http://repository.umy.ac.id/handle/123456789/31601 | |
| dc.description | Gigi adalah salah satu organ penting dalam sistem pencernaan untuk membantu
manusia dalam proses mengolah makanan sehingga dapat dicerna oleh organ lain
seperti usus dan lambung. Tidak hanya membantu sistem pencernaan, tetapi gigi juga
memiliki fungsi estetika untuk menunjang penampilan. Salah satu penyakit gigi yang
paling sering dialami masyarakat Indonesia adalah karies gigi. Dengan berkembangnya
teknologi, proses diagnosis karies gigi dapat dilakukan menggunakan sistem
pengolahan citra digital dengan media citra hasil X-Ray. Tujuan dari penelitan ini untuk
mengetahui apakah metode ekstraksi Gray Level Co-Occurrence Matrix (GLCM) dan
K-Nearest Neighbor (KNN) dapat digunakan sebagai sistem klasifikasi citra karies gigi.
Penelitian ini akan membahas mengenai sistem klasifikasi citra karies gigi untuk
mebedakan 2 jenis karies berdasarkan teori G.V Black yaitu : karies gigi Kelas 3 dan
Kelas 4. Sistem dirancang untuk dapat melakukan ekstraksi ciri pada citra sehingga
menghasilkan nilai-nilai fitur seperti, contrast, correlation, energy dan homogeneity
pada GLCM. Kemudian nilai-nilai tersebut digunakan sebagai inputan pada tahap
klasifikasi KNN. Pengujian dilakukan pada 4 data set yang berisikan 60 citra tiap
setnya. Keberhasilan sistem akan diketahui berdasarkan hasil akurasi yang diperoleh.
Dari pengujian yang telah dilakukan, didapatkan hasil akurasi tertinggi sebesar 80%
pada data set 4 dan akurasi terendah sebesar 40% pada data set 2. | en_US |
| dc.description.abstract | Gigi adalah salah satu organ penting dalam sistem pencernaan untuk membantu
manusia dalam proses mengolah makanan sehingga dapat dicerna oleh organ lain
seperti usus dan lambung. Tidak hanya membantu sistem pencernaan, tetapi gigi juga
memiliki fungsi estetika untuk menunjang penampilan. Salah satu penyakit gigi yang
paling sering dialami masyarakat Indonesia adalah karies gigi. Dengan berkembangnya
teknologi, proses diagnosis karies gigi dapat dilakukan menggunakan sistem
pengolahan citra digital dengan media citra hasil X-Ray. Tujuan dari penelitan ini untuk
mengetahui apakah metode ekstraksi Gray Level Co-Occurrence Matrix (GLCM) dan
K-Nearest Neighbor (KNN) dapat digunakan sebagai sistem klasifikasi citra karies gigi.
Penelitian ini akan membahas mengenai sistem klasifikasi citra karies gigi untuk
mebedakan 2 jenis karies berdasarkan teori G.V Black yaitu : karies gigi Kelas 3 dan
Kelas 4. Sistem dirancang untuk dapat melakukan ekstraksi ciri pada citra sehingga
menghasilkan nilai-nilai fitur seperti, contrast, correlation, energy dan homogeneity
pada GLCM. Kemudian nilai-nilai tersebut digunakan sebagai inputan pada tahap
klasifikasi KNN. Pengujian dilakukan pada 4 data set yang berisikan 60 citra tiap
setnya. Keberhasilan sistem akan diketahui berdasarkan hasil akurasi yang diperoleh.
Dari pengujian yang telah dilakukan, didapatkan hasil akurasi tertinggi sebesar 80%
pada data set 4 dan akurasi terendah sebesar 40% pada data set 2. | en_US |
| dc.publisher | FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH YOGYAKARTA | en_US |
| dc.subject | Karies Gigi, GLCM, Ekstraksi, KNN, Klasifikasi | en_US |
| dc.title | SISTEM KLASIFIKASI CITRA KARIES GIGI MENGGUNAKAN METODE GRAY LEVEL CO-OCURRENCE MATRIX DAN K-NEAREST NEIGHBOR | en_US |
| dc.type | Thesis SKR FT 553 | en_US |
