Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal JUTEI (Jurnal Terapan Teknologi Informasi)
Angelina Pramana Thenata
Magister Informatika, Universitas Atmajaya Yogyakarta
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
IMAGE SEGMENTATION OF CHEST X-RAYS FOR ABNORMALITY PATTERN RECOGNATION IN LUNGS USING FUZZY C-MEANS METHOD Matheus Alvian Wikanargo; Angelina Pramana Thenata
Jurnal Terapan Teknologi Informasi Vol 2 No 2 (2018): Jurnal Terapan Teknologi Informasi
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1809.838 KB) | DOI: 10.21460/jutei.2018.22.98

Abstract

Paru-paru merupakan salah satu organ penting dan vital dalam tubuh yang berfungsi sebagai tempat proses sistem pernapasan. Salah satu cara untuk mendeteksi penyakit pada paru-paru yaitu melakukan test Chest X-rays. Chest X-rays merupakan proyeksi radiografi untuk mendeteksi abnormalitas (penyakit) pada organ paru-paru dengan menggunakan radiasi x-ray. Dalam proses mendiagnosa, dokter melihat kondisi dari hasil Chest X-rays yang berupa citra thorax (dada) untuk mengetahui pasien memiliki paru-paru yang abnormal atau normal. Namun, hasil diagnosa ditentukan dari pengetahuan dan pengalaman dokter untuk mengenali abnormalitas dari hasil Chest X-rays sehingga diagnosa yang dihasilkan dapat berbeda-beda bergantung dari kemampuan dokter yang mendiagnosa. Permasalahan ini diharapkan dapat diatasi dengan melakukan segementasi pada citra paru-paru untuk membantu membuat diagnosa dengan tepat. Tujuan penilitian ini untuk menghasilkan suatu analisa yang dapat mengenali paru-paru abnormal dan normal. Proses pengenalan pola paru ini terdiri dari tahap pre-processing yaitu segmentasi citra dengan menggunakan morfologi kemudian dilanjutkan ke tahap clustering dengan menggunakan metode fuzzy c-means untuk mengenali pola dari citra yang sudah disegmentasi tadi. Penilitian ini menghasilkan citra paru-paru normal dan abnormal dapat dikenali dengan tingkat akurasi sebesar 80%.
Co-Authors Matheus Alvian Wikanargo