Penerapan Support Vector Machine untuk Klasifikasi Tuberkulosis Paru dari Citra Rontgen Dada

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dalam mengklasifikasikan penyakit tuberkulosis paru menggunakan citra rontgen dada. Diagnosis tuberkulosis secara manual sering kali mengalami kendala , sehingga diperlukan sistem bantu keputusan berbasis komputer yang objektif. Metode penelitian ini meliputi pengumpulan dataset sekunder, tahap preprocessing citra yang mencakup cropping, resizing, dan konversi grayscale, serta pelatihan model klasifikasi menggunakan SVM. Berdasarkan hasil pengujian, model yang dikembangkan berhasil mencapai tingkat akurasi sebesar 90,11%. Hasil ini menunjukkan bahwa metode SVM efektif dalam membedakan antara paru-paru normal dan yang terinfeksi tuberkulosis. Meskipun demikian, performa model dalam mendeteksi kelas positif tuberkulosis masih lebih rendah dibandingkan kelas normal akibat ketidakseimbangan jumlah data. Secara keseluruhan, penelitian ini membuktikan bahwa pendekatan machine learning dapat diandalkan sebagai alat bantu diagnosis medis yang cepat dan konsisten.