Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Suhardjo Suhardjo
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Perancangan Aplikasi Deteksi Pulpitis Melalui Periapikal Radiograf Menggunakan Metode Transformasi Dct Dan K-Nearest Neighbor Berbasis Android Ghina Oktavia; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pulpitis adalah salah satu penyakit pada gigi. Pulpitis merupakan peradangan bagian pulpa gigi. Pada umumnya, pulpitis merupakan kelanjutan proses karies gigi yang menembus melalui enamel dan dentin tanpa mencapai pulpa. Pemeriksaan penunjang lainnya dapat dilakukan dengan pemeriksaan menggunakan periapikal radiograf 2D maupun dengan teknologi tercanggih dengan radiograf 3D. Tahap-tahap dilakukan dalam penelitian ini meliputi: pre-processing, ekstraksi ciri, dan klasifikasi. Metode ekstraksi ciri tekstur dan warna yang digunakan adalah Transformasi DCT (Discrete Cosine Transform) dengan ditinjau dari teksturnya yang merupakan salah satu dari ciri fisik deteksi.Sedangkan untuk pengklasifikasian kualitas menggunakan metode K-Nearest Neighbor (K-NN). Akurasi yang didapatkan adalah 86,67 % untuk 30 citra latih, Dimana citra pulpitis ireversibel sebanyak 10 citra, citra pulpitis reversibel sebanyak 10 citra dan citra normal sebanyak 10 citra. Untuk citra uji terdiri dari 20 citra Pulpitis ireversibel periapikal, 20 citra Pulpitis reversibel dan 20 citra normal. Hasil dari tugas akhir ini adalah sistem mampu mengidentifikasi pulpitis dan gigi normal dengan tingkat akurasi maksimal sistem android mencapai 86,67 % dan waktu komputasi rata-rata 3,015 detik dengan menggunakan sampel hasil periapikal radiograf sebagai citra uji dan citra latih. Keyword: periapikal radiograf, pulpitis, DCT, k-Nearest Neighbor
Deteksi Pulpitis Melalui Segmentasi Citra Periapikal Radiograf Menggunakan Metode Watershed Dengan Klasifikasi K-nearest Neighbour Mirrah Aliya Azzahra; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pulpitis  merupakan suatu penyakit  yang  bisa  ditemukan pada  gigi  manusia, Pulpitis  sendiri  merupakan peradangan yang terjadi pada pulpa gigi, yaitu bagian dalam gigi yang terdapat banyak saraf dan pembuluh darah. Penyakit Pulpitis biasanya disebabkan oleh pembusukan atau bisa terjadi karena cedera di bagian gigi sehingga pulpa mengalami pembengkakan atau perdangan. Penyakit Pulpitis sulit ditentukan secara kasat mata , untuk mendiagnosa penyakit Pulpitis dibutuhkan beberapa pengujian fisik salah satunya dengan menggunakan peripikal radiograf  untuk memastikan adanya pembusukan di sekitar gigi untuk peripikal radiograf   dibutuhkan dokter ahli radiologi untuk menentukan diagnosanya, sedangkan di Indonesia masih sedikit dokter yang mempunyai keahlian tersebut. Oleh karena itu, dibutuhkan sebuah aplikasi yang dapat membantu memberikan diagnosa dari hasil peripikal radiograf yang efisien. Pada tugas akhir ini sistem dapat mendekteksi dan mengklasifikasian kondisi gigi  pulpitis irreversible, atau gigi selain kondisi pulpitis irreversible atau gigi pulpitis reversible. Pada penelitian ini tingkat akurasi mencapai 100% saat nilai piksel bernilai 512x512. Diharapkan juga kemampuan sistem ini dapat membantu dalam pendeteksian penyakit pulpitis. Kata kunci : K-NN, Pulpitis, Periapikal Radiografi, Segmentasi, Watershed
Identifikasi Pengolahan Citra Deteksi Penyakit Kista Periapikal Melalui Radiograf Pada Gigi Manusia Dengan Menggunakan Metoda Ekstraksi Gray Level Cooccurence Matrix Dan Metoda Klasifikasi Decision Tree Hermas Ahadhi Septiaji; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Radiolucent merupakan suatu media untuk mendeteksi penyakit dengan menggunakan gambaran hitam pada film atau biasa disebut dengan foto x-ray. Jadi dengan menggunakan radiolucent kita dapat mengetahui penyakit apa yang terdapat pada gigi kita dengan menggunakan foto x-ray. Gambaran sistem pada radiolucent adalah inputannya merupakan radiograf periapikal, lalu dilakukan proses yang pertama dengan cara mengakuisisi citranya dan setelah itu di identifikasi citra, setelah melakukan proses tersebut maka di dapatkan hasil outputan apakah gigi tersebut terkena penyakit kista periapikal atau tidak. Pada tugas akhir ini, dilakukan identifikasi penyakit kista periapikal pada gigi manusia dengan menggunakan metode ekstraksi Gray Level Cooccurrence Matrix dan metode klasifikasi Decision tree lalu diimplementasikan pada matlab dan dapat mendeteksi penyakit kista periapikal pada gigi manusia. Kata Kunci: Radiolucent,GLCM,Decision Tree Abstract Radiolucent is a media to detect the disease by using black images on film or commonly said as x-ray photos. So by using radiolucent we can know what diseases are on our teeth by using x-ray photos. The description of the system on radiolucent is the input is a periapical radiograph, then do the first process by acquiring the image and after that identification the image, after doing that process then get the output results whether the tooth is affected by periapical cyst disease or not. In this final project, identification of periapical cyst disease on human teeth using Gray Level Cooccurrence Matrix extraction method and Decision Tree classification method then implemented in matlab and can detect periapical cyst disease on human teeth. Keywords : Radiolucent,GLCM,Decision Tree
Pengolahan Citra Radiograf Periapikal Pada Deteksi Penyakit Kista Menggunakan Metode Adaptive Region Growing Dengan Klasifikasi K-nearest Neighbor Farah Fadhilah Hermahiroh; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Gigi merupakan bagian keras yang berada di dalam mulut. Kesehatan gigi perlu diperhatikan karena jika tidak berbagai macam penyakit dapat datang kapan saja. Penyakit pada gigi bermacam-macam, diantaranya Kista Periapikal. Tugas Akhir ini mengembangkan aplikasi yang dapat mendeteksi penyakit kista periapikal menggunakan metode Adaptive Region Growing yang merupakan metode analisis pengambilan ciri dan klasifikasi K-Nearest Neighbor. Klasifikasi bertujuan untuk menentukan apakah citra masuk dalam klasifikasi kista atau gigi normal. Pada Tugas Akhir ini, penulis telah melakukan deteksi penyakit kista menggunakan sistem ini dapat membantu dokter apakah diagnosanya terhadap penyakit pada pasien yang ia lihat secara fisik dari citra radiograf sama dengan menggunakan sistem deteksi ini. Dari penelitian ini diperoleh hasil dengan tingkat akurasi tertinggi yaitu 90%. Kata Kunci : Gigi, Kista Periapikal, Adaptive Region Growing, KNN (K – Nearest Neighbor). Abstract Teeth are a hard parts in the mouth. Dental health needs to be considered because otherwise various diseases could come at any time. There are some types of dental diseases, such as Periapical Cysts. This final project develops an application that can detect periapical cyst disease using the method of Adaptive Region Growing which is a method of characteristic analysis and K-Nearest Neighbor classification. Classification aims to determine whether the object is cyst classification or just a normal teeth. In this Final Project, the detection has been done using this
Pengolahan Citra Radiograf Periapikal Pada Deteksi Penyakit Granuloma Dengan Metode Multiwavelet Berbasis Android Vivi Oktaviani Damanik; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gigi merupakan salah bagian tubuh yang sangat penting. Ada berbagai macam penyakit gigi, salah satunya adalah granuloma. Penentuan penyakit yang terjadi pada gigi saat ini dilakukan dengan melakukan pengambilan gambar dari gigi, kemudian diagnosis penyakit pada gigi dilakukan oleh dokter spesialis radiology kedokteran gigi melalui pembacaan film hasil radiograf dan pembacaan ini dilakukan secara kasat mata, sehingga hasil diagnosa cenderung bersifat subjektif. Oleh karena itu, dibutuhkan suatu sistem yang dapat membantu dokter gigi dalam memberikan diagnosa penyakit. Pada penelitian ini dilakukan pengolahan citra radiograf periapikal berbasis android untuk melakukan deteksi penyakit granuloma pada gigi dengan menggunakan metode MultiWavelet Transformation sebagai ekstraksi ciri, dan proses klasifikasi dengan menggunakan k-NN (k- Nearest Neighbour) dengan jumlah data latih yaitu 16 citra dan data uji berjumlah 20 citra. Sistem melakukan klasifikasi dan deteksi pada jaringan granulasi gigi untuk menentukan jenis penyakit yang terjadi pada gigi. Penelitian ini menghasilkan sistem berbasis android yang memiliki tingkat akurasi sebesar 90% dan waktu komputasi 0.01337995 detik pada saat ukuran citra 128 x 128 dengan klasifikasi dibagi menjadi 2 yaitu citra gigi normal dan granuloma. Sistem ini dibuat untuk dapat membantu para dokter khususnya di bidang kedokteran gigi dalam melakukan diagnosis penyakit granuloma. Kata kunci: Granuloma, Multi-Wavelet Transformation, k-Nearest Neighbour.
Pengolahan Citra Radiograf Periapikal Pada Deteksi Penyakit Granuloma Dengan Metode Binary Large Object Berbasis Android Shofiya Rona Gemintang; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan: Merancang sistem berbasis android dengan objek yang sudah tersegmentasi pada bagian yang dituju dengan segmentasi warna BLOB dan klasifikasi K-NN yang dapat memproses citra radiograf periapikal untuk mendeteksi penyakit granuloma. Metode: Metode penelitian adalah metode deskripsi, dimana penelitian yang dilakukan berdasarkan segmentasi warna menggunakan metode BLOB (Binary Large Object) dan hasil segmentasi menjadi input ekstraksi ciri. BLOB merupakan domain spasial yang menganalisis tekstur secara lebih spesifik dan akurat. Sedangkan proses pengklasifikasian menggunakan metode K – Nearest Neighbor (K-NN) bertujuan untuk mengukur seberapa dekat jarak antara data uji dan data latih. Hasil dan diskusi: Hasil dari tugas akhir ini adalah sistem yang mampu mendeteksi penyakit granuloma mencapai tingkat akurasi 80% pada android dengan waktu komputasi rata – rata 6,828 detik menggunakan hasil sampel radiograf periapikal sebanyak 20 citra uji dan 16 citra latih. Kesimpulan: Berdasarkan hasil sistem dapat ditarik kesimpulan bahwa pengolahan citra pada deteksi penyakit granuloma menggunakan metode segmentasi warna BLOB dan klasifikasi K-NN mampu mendeteksi penyakit granuloma. Kata kunci : granuloma, radiograf periapikal, Binary Large Object (BLOB), K – Nearest Neighbor (K- NN).
Peningkatan Kualitas Citra Radiograf Periapikal Pada Deteksi Penyakit Pulpitis Irreversibel Menggunakan Metode Adaptive Morphological Filter Nur Inastia Alfianingrum; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gigi merupakan bagian keras yang terdapat di dalam mulut dan mempunyai fungsi pengunyahan, bicara, dan estetika. Gigi harus dijaga kesehatanya agar tidak menyebabkan penyakit. Penyakit yang dapat terjadi pada gigi yaitu pulpitis. Pulpitis merupakan peradangan pada jaringan pulpa yang menimbulkan rasa nyeri. Gigi yang diperkirakan mengalami pulpitis difoto menggunakan alat radiograf periapikal dan hasil foto berupa citra medis (x-ray). Citra x-ray belum dapat diidentifikasi oleh para dokter secara langsung. Melainkan dengan mempertimbangkan gejala  klinis  yang  dialami  pasien  dan  ditunjang  dengan  melihat  citra  x-ray.  Citra  yang dihasilkan oleh peralatan radiografi periapikal pada umumnya mempunyai kualitas yang rendah karena terdapat banyak noise, rendahnya kualitas kontras dan ketajaman citra. Kualitas citra yang rendah tersebut dapat menyebabkan kesalahan diagnosa, sehingga dibutuhkan metode tertentu untuk memperbaiki citra tersebut atau yang biasa disebut dengan image enhancement. Perbaikan citra dibutuhkan untuk menghasilkan citra medis yang lebih baik dari citra asli untuk membantu dokter dalam mendiagnosa suatu penyakit. Metode yang digunakan untuk perbaikan citra pada tugas akhir ini yaitu adaptive morphological filter. Pada tugas akhir ini menjawab permasalahan mengenai rendahnya kualitas citra yang dihasilkan peralatan radiograf periapikal untuk pulpitis. Dengan menggunakan adaptive morphological filter, mampu menghasilkan kualitas citra yang lebih baik untuk membantu mendeteksi pulpitis, sehingga dapat dipertimbangkan untuk diimplementasikan pada kondisi nyata. Pengujian sistem pada tugas akhir ini menggunakan citra radiograf periapikal gigi 47 meunjukkan bahwa masking ke-2 memberikan hasil yang paling baik berdasarkan nilai variansi, energi dan entropi citra tersebut. Kata Kunci : periapical radiograph, pulpitis, morphological filter, image enhancement
Pengolahan Citra Deteksi Granuloma Melalui Periapical Radiograf Dengan Metode Transformasi Dct Dan Linier Discriminant Analysis Berbasis Android Qintan Nurma Buana; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Granuloma merupakan sebuah penyakit yang terjadi pada jaringan gigi. Granuloma dapat dideteksi dari radiograf periapikal yang diambil dari gigi pasien. Radiograf periapikal merupakan gambar x-ray yang menampilkan seluruh gigi, termasuk mahkota gigi, akar, dan tulang. Gambar x-ray gigi pasien akan diolah dan dokter akan mendiagnosis penyakit pada gigi tersebut.Pada penelitian ini digunakan metode Transformasi DCT sebagai metode ekstrasi ciri tekstur dan warna. Discrete Cosine Transform (DCT) yang merupakan transformasi Fourier yang mengubah citra dari domain spasial ke domain frekuensi. Metode Linier Discriminant Analysis bertujuan untuk maksimalisasi variasi antar masing-masing class (across users) dan meminimalisasi variasi dalam class (within user). Untuk Klasifikasi kualitas menggunakan metode K-Nearest Neighbor (KNN).Hasil dari tugas akhir ini adalah mampu untuk mengidentikfikasi penyakit granuloma dengan akurasi maksimal 85% pada android dengan waktu komputasi rata-rata 0.014626 detik dan menggunakan sampel periapikal radiograf granuloma sebagai 16 citra latih dan 20 citra uji. Kata kunci: Granuloma, Multi-Wavelet Transformation, k-Nearest Neighbour.
Deteksi Citra Granuloma Pada Radiograf Periapikal Dengan Metode Watershed Dan Klasifikasi Support Vector Machine Fiya Rohmawati; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gigi merupakan bagian terkeras yang terdapat di dalam mulut. Apabila kesehatan dan kebersihan gigi tidak diperhatikan maka gigi dapat terserang berbagai macam penyakit gigi, sehingga dapat menimbulkan kelainan di jaringan periapikal gigi. Salah satu jenis kelainan periapikal gigi adalah granuloma. Granuloma disebabkan oleh matinya pulpa dan difusi bakteri. Granuloma akan terjadi sesaat setelah pulpa mati. Karena granuloma merupakan kelainan di jaringan periapikal maka dalam proses diagnosanya dokter gigi memerlukan radiograf dari gigi pasien untuk selanjutnya di analisis. Di dalam menganalisis hasil radiograf sangat dibutuhkan ketelitian agar diagnosa yang dihasilkan akurat. Penelitian yang akan dilakukan berguna untuk membantu dokter gigi menganalisis hasil radiograf gigi pasien dalam mendiagnosa granuloma. Penelitian ini menggunakan metode segmentasi Watershed. Metode ini merupakan metode yang cukup baik dalam menganalisis hasil segmentasi sebuah citra. Untuk pengklasifikasian, sistem ini menggunakan Support Vector Machine. Hasil akurasi sistem yang diperoleh dengan menggunakan metode Watershed dan klasifikasi Support Vector Machine adalah 91.66%.
Pengolahan Citra Radiograf Periapikal Pada Deteksi Pulpitis Irreversibel Dan Reversibel Menggunakan Metode Principal Component Analysis (pca) Dan Watershed Berbasis Android Imam Abdul Hakim; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gigi merupakan bagian tubuh terkeras yang terdapat di dalam mulut. Penyakit gigi yang meyerang bagian pulpa disebut pulpitis. Pulpitis merupakan peradangan pada jaringan pulpa yang menimbulkan rasa nyeri. Klasifikasi pulpitis ada dua yaitu irreversibel dan reversibel. Pulpitis reversibel dan irreversibel masih sulit didiagnosa secara objektif. Hasil diagnosa menjadi dasar dari pengambilan keputusan untuk mengatasi masalah pulpitis tersebut. Pada penelitian ini dilakukan pengolahan citra radiograf periapikal pada deteksi pulpitis menggunakan metode watershed, principal component analysis (PCA) dan melakukan klasifikasi dengan algoritme euclidean distance. Metode watershed digunakan untuk mendapatkan region of interest (ROI) berupa bagian pulpa dari objek. Metode PCA digunakan untuk ekstraksi ciri. Algoritme euclidean distance digunakan untuk mengklasifikasikan objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Hasil dari penelitian ini berupa sistem pengolahan citra digital radiograf periapikal mampu mendeteksi pulpitis dan mengklasifikasikan jenisnya. Pada penelitian ini dihasilkan performansi terbaik dengan tingkat akurasi 85%, sensitivitas 80%, dan spesifisitas 100%. Dengan melakukan pengolahan citra radiograf periapikal pada deteksi pulpitis irreversibel dan reversibel ini dapat membantu para dokter gigi sebagai diagnosa pendukung untuk menentukan tindakan atas permasalahan pulpitis yang diderita pasien. Kata kunci: Pulpitis, Watershed, PCA, Euclidean distance
Co-Authors Apriannor Apriannor Bambang Hidayat Farah Fadhilah Hermahiroh Fiya Rohmawati Ghina Oktavia Hermas Ahadhi Septiaji Imam Abdul Hakim Mirrah Aliya Azzahra Nova Aditya Utami Nur Inastia Alfianingrum Qintan Nurma Buana Rani Fauzana Rikko Ismail Hardianzah Shofiya Rona Gemintang Vivi Oktaviani Damanik Wijayanti, Lumastari Ajeng