CLUSTERING PENYAKIT PARU-PARU BERDASARKAN RONTGEN DADA MENGGUNAKAN DIMENSI FRAKTAL BOX COUNTING DAN K-MEDOIDS

CLUSTERING OF LUNG DISEASE BASED ON CHEST X-RAY USING DIMENSIONS FRACTAL BOX COUNTING AND K-MEDOIDS

Paru-paru merupakan salah satu organ pernapasan pada manusia yang rentan terhadap penyakit karena mudah terinfeksi. Saluran pernapasan merupakan organ bagian dalam manusia yang diserang oleh virus SARS-Cov-2 yang menyebabkan penyakit corona (Covid-19). Selain itu, Lung Opacity dan Viral Pneumonia juga merupakan penyakit yang terjadi pada paru-paru. Penyakit pada paru-paru dapat dideteksi menggunakan citra rontgen dada (chest x-ray), tetapi untuk mendiagnosis dari hasil citra rontgen dada tersebut tidak mudah untuk dianalisis, selain dibutuhkan hasil rontgen yang cukup baik juga dibutuhkan pengetahuan ahli untuk menentukan jenis penyakit. Metode matematika yang banyak mempelajari bentuk tak teratur adalah geometri fraktal dan dimensi fraktal telah banyak diaplikasikan dalam bidang kedokteran dalam menentukan jenis penyakit. Dalam penelitian ini dilakukan klasifikasi penyakit paru berdasarkan dimensi fraktal dari citra rontgen dada. Terdapat 100 citra rontgen dada yang akan diolah menggunakan segmentasi yang menghasilkan wilayah (region) paru-paru. Region tersebut digunakan untuk mengetahui bercak dari jenis penyakit paru-paru menggunakan deteksi tepi Canny. Kemudian dengan menggunakan fraktal box counting akan dihitung nilai dimensi fraktal untuk digunakan dalam pengklasteran. Hasil dari percobaan menggunakan metode Clustering K-Medoids dengan empat cluster yaitu Covid-19, Lung Opacity, Normal Lung, dan Viral Pneumonia memiliki akurasi sebesar 87%.

Lungs are one of the respiratory organs in humans that are susceptible to disease because they are easily infected. The respiratory tract is an internal human organ that is attacked by the SARS-Cov-2 virus that causes the corona disease (Covid-19). In addition, Lung Opacity and Viral Pneumonia are also diseases that occur in the lungs. Diseases of the lungs can be detected using chest x-ray images, but to diagnose from the results of the chest x-ray image it is not easy to analyze, in addition to the need for a fairly good x-ray result expert knowledge is also needed to determine the type of disease. The mathematical method that studies irregular shapes is fractal geometry and fractal dimensions have been widely applied in the medical field in determining the type of disease. In this research, lung deseases will be classified based on chest x-ray images. There are 100 chest x-ray images that will be processed using segmentation that result a region of the lungs. The region is used to determine the spots of the type of lung disease using Canny edge detection. Then by using fractal box counting, the fractal dimension value will be calculated for use in clustering. The results of the experiment using the K-Medoids clustering method with four clusters, that is Covid-19, Lung Opacity, Normal Lung, and Viral Pneumonia have an accuracy of 87%.