Paru-paru merupakan organ penting dan vital yang mudah terjadi infeksi. Infeksi pada paru dapat diperiksa melalui pemeriksaan pada citra x-ray, tetapi diagnosis klinis dari hasil citra x-ray itu sulit. Dalam mempermudah menganalisa diagnosa dari hasil citra x-ray tersebut, maka pada penelitian ini dilakukan proses pengklasifikasikan citra x-ray berdasarkan jenis penyakit. Citra yang diolah ada 120 (seratus dua puluh) citra x-ray thorax dengan melakukan segmentasi terhadap region paru. Kemudian dari region paru ini dilakukan deteksi tepi canny untuk mengambil bercak dari penyakit paru. Dari deteksi tepi canny akan dihitung nilai dimensi fraktal dengan mengunakan metode box counting, sehingga dapat dilakukan pengklasifikasian. Hasil dari eksperimen dengan menggunakan metode k-nearest neighbor (K-NN), dimana hasil dengan akurasi terbesar ditunjukan pada nilai K = 5 yaitu 79.65% dan akurasi terendah pada nilai K = 7 yaitu 71.28%.

Kata kunci: X-Ray Thorax, Box Counting, K-Nearest Neighbor (K-NN)

The lungs are important and vital organs that are easily infected. Lung examination can be done through examination of x-ray images, but the clinical diagnosis of the results of x-ray images is difficult. In making it easier to analyze the diagnosis of the results of the x-ray image, this research carried out the process of classifying x-ray images based on the type of disease. The image that was processed was 120 (one hundred and twenty) chest x-ray images by segmenting the lung area. From this lung area, then canny edge detection is done to take spots from lung disease. From smart fractal edge detection values ​​are obtained, which will be calculated using the box calculation method, so classification can be done. The results of the experiment using the nearest k-neighbor method (K-NN), where the results with the greatest accuracy are shown by the value K = 5 which is 79.65%  and the lowest accuracy at the value  K = 7 is 71.28%.

Keyword: X-Ray Thorax, Box Counting, K-Nearest Neighbor (K-NN)