IMPLEMENTASI KNN DENGAN FITUR EKSTRAKSI HARALICK DAN LOCAL BINARY PATTERN UNTUK KLASIFIKASI PENYAKIT PNEUMONIA PADA CITRA X-RAY

Abstract

Pneumonia adalah infeksi paru-paru yang dapat mengancam nyawa jika tidak terdeteksi pada tahap awal. Diagnosis tradisional oleh tenaga medis memerlukan waktu dan keterampilan khusus, sehingga sistem berbasis gambar digital diperlukan untuk mendukung identifikasi penyakit secara otomatis. Studi ini bertujuan untuk mengklasifikasikan gambar rontgen paru-paru guna mendeteksi pneumonia menggunakan algoritma K-Nearest Neighbor (KNN), dilengkapi dengan ekstraksi fitur melalui metode Haralick dan Local Binary Pattern (LBP).Tahapan penelitian meliputi prapemrosesan gambar, seperti mengubah ukuran menjadi 256×256 piksel, mengurangi noise, dan menormalisasi intensitas piksel. Selanjutnya, ekstraksi fitur dilakukan menggunakan metode Haralick yang dihasilkan dari Gray Level Co-Occurence Matrix (GLCM) dan metode LBP yang mengekstrak pola tekstur lokal. Fitur yang diekstraksi kemudian dimasukkan ke dalam algoritma KNN untuk klasifikasi.Hasil pengujian menunjukkan bahwa kombinasi fitur Haralick dan LBP dengan algoritma KNN mencapai akurasi 80%, sementara penggunaan fitur Haralick saja menghasilkan akurasi 60%, dan fitur LBP saja memberikan akurasi 70%.Dari hasil ini, dapat disimpulkan bahwa kombinasi metode ekstraksi fitur Haralick dan LBP dapat meningkatkan kinerja klasifikasi gambar rontgen pneumonia menggunakan algoritma KNN, dibandingkan dengan penerapan salah satu metode saja