Abstrak


Diagnosa Penyakit Paru Efusi Pleura Dengan Pendekatan Possibilistic Fuzzy Learning Vector Quantization


Oleh :
Rudi Iswanto - M0510038 - Fak. MIPA

ABSTRAK Efusi pleura merupakan salah satu penyakit paru yang dapat diperiksa menggunakan radiologi thorax dengan sinar rontgen. Sampai saat ini, jumlah dokter spesialis paru di Indonesia baru memenuhi sekitar 40%-46% dari kebutuhan ideal, sehingga mengakibatkan penanganan terhadap penyakit paru masih belum optimal, salah satunya adalah penanganan masalah pendiagnosaan penyakit paru yang hanya bisa dilakukan oleh dokter spesialis paru. Melihat kondisi tersebut, diusulkan suatu penelitian penggunaan sistem cerdas untuk mendiagnosa penyakit paru berdasarkan foto rontgen untuk membantu dalam pendiagnosaan penyakit paru efusi pleura. Penelitian yang diusulkan menggunakan pendekatan algoritma Possibilistic Fuzzy Learning Vector Quantization (PFLVQ). Data yang digunakan sebagai masukan dalam sistem merupakan data foto rontgen yang sebelumnya sudah dilakukan pengolahan citra yang meliputi ekstraksi ciri Discrete Cosine Transform (DCT) dan statistical texture features extraction serta normalisasi data dengan min-max normalization. Akurasi sistem yang menggunakan pendekatan PFLVQ kemudian akan dibandingkan dengan sistem yang menggunakan pendekatan Fuzzy Learning Vector Quantization (FLVQ). Hasil dari pengujian dapat disimpulkan bahwa sistem diagnosa penyakit paru dengan pendekatan PFLVQ dapat dibuat dan memiliki akurasi 83% saat diuji dengan data training dan 78% saat diuji dengan data testing. Sedangkan sistem yang menggunakan pendekatan FLVQ memiliki akurasi 77% saat diuji dengan data training dan 73% saat diuji dengan data testing. Dari perbandingan akurasi tersebut, sistem dengan pendekatan PFLVQ memiliki akurasi yang lebih baik dibandingkan dengan sistem yang menggunakan pendekatan FLVQ.