Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 1

Klasifikasi Penyakit Paru Berdasarkan Citra Rontgen dengan Metoda Segmentasi Sobel

Jurnal Nasional Teknik Elektro · Vol. 5 No. 1 (2016) · hlm. 7–7

DOI
10.25077/jnte.v5n1.174.2016
ISSN
2302-2949, 2407-7267
Terbit
2016-01-06
Penerbit
Andalas University
Bahasa
id
Lisensi
creativecommons.org/licenses/by-nc-sa/4.0/

Abstrak

Lung disease is one of the diseases that are prevalent in society. Often there is a delay in the treatment of this lung disease. These delays are often caused by ignorance of the community in the proper handling and lack of clear information about lung disease. One way to detect lung disease is by reading the X-ray images are correct and are usually carried out by experts who are experts on the X-ray results. But to get the diagnosis depends on the schedule of expert practice and takes a long time. To ease the difficulties of this society, so in this study built applications that can analyze X-ray images based on image processing. The data is processed there are 41 (forty-one) X-ray image of the segmentation of the lung region. Then the lung region performed edge detection based on Sobel operator. The test results obtained from the comparison of pixels between the results of edge detection on the lung region, which classifies six (6) types of lung disease with a percentage interval for bronchitis of 1.43% - 1.59%, pleurisy 1.43% - 1.59 %, pneumonia 2.00% - 2.50%, tuberculosis 2.86% - 3.79%, emphysema 4.16% - 4.76% and lung cancer 76.72% - 94.85%.Keyword: lung disease, X-ray image, segmentation, Sobel OperatorAbstrak—Penyakit paru merupakan salah satu penyakit yang umum dijumpai di masyarakat. Seringkali terjadi keterlambatan dalam penanganan terhadap penyakit paru ini. Keterlambatan ini biasanya disebabkan oleh ketidaktahuan masyarakat dalam penanganan yang tepat dan kurangnya informasi yang jelas tentang penyakit paru. Salah satu cara untuk mendeteksi penyakit paru adalah dengan membaca gambar rontgen yang benar dan biasanya dilakukan oleh pakar yang ahli terhadap hasil rontgen tersebut. Akan tetapi untuk mendapatkan hasil diagnosa ini tergantung pada jadwal praktek dari pakar dan membutuhkan waktu yang lama. Untuk memudahkan kesulitan masyarakat ini, maka pada penelitian ini dibangun aplikasi yang bisa menganalisa gambar rontgen berdasarkan pengolahan citra. Data yang diolah ada 41 (empat puluh satu) citra rontgen dengan melakukan segmentasi terhadap region paru. Kemudian region paru ini dilakukan deteksi tepi berbasis operator sobel. Hasil pengujian didapatkan dari perbandingan piksel antara hasil deteksi tepi terhadap region paru, yang mengklasifikasikan 6 (enam) jenis penyakit paru dengan interval persentase untuk penyakit bronkitis sebesar 1,43% - 1,59%, penyakit pleuritis 1,43% - 1,59%, penyakit pneumonia 2,00% - 2,50%, penyakit TBC 2,86% - 3,79%, penyakit emfisema 4,16% - 4,76% dan penyakit kanker paru 76,72% - 94,85%.Kata Kunci: Penyakit paru, citra rontgen, segmentasi, operator sobel.

Kata kunci

Jaringan kolaborasi para penulis

15 penulis · 21 tautan kepenulisan bersama · 7 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Andalas University
  • Sumatera Institute of Technology
  • University of Bengkulu
  • University of Singaperbangsa Karawang
  • Politeknik Negeri Lhokseumawe
  • Bandung Institute of Technology
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Siska AuliaAndalas University2
Nova ResfitaSumatera Institute of Technology1
Fitrilina FitrilinaUniversity of Bengkulu1
Felyta EmasrianiUniversity of Singaperbangsa Karawang1
Raisah HayatiPoliteknik Negeri Lhokseumawe1
Suhartono TjondronegoroBandung Institute of Technology1
Rifki FirdausAndalas University1
Lucyana LuftiAndalas University1
Muhammad Habib AnshorAndalas University1
FitrilinaAndalas University1
Meza SilvanaAndalas University1
Ikhwana ElfitriAndalas University1
Ratna AtikaAndalas University1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OpenAlex API (jurnal SINTA, ADR 0048) https://openalex.org/S4210175326, pertama di-harvest 20 Nov 2026, terakhir terlihat 20 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title xml:lang="id">Klasifikasi Penyakit Paru Berdasarkan Citra Rontgen dengan Metoda Segmentasi Sobel</dc:title><dc:creator>Reni Rahmadewi</dc:creator><dc:creator>Rahmadi Kurnia</dc:creator><dc:subject>lung disease classification</dc:subject><dc:subject>chest X-ray images</dc:subject><dc:subject>lung segmentation</dc:subject><dc:subject>Sobel edge detection</dc:subject><dc:subject>automated diagnosis</dc:subject><dc:subject>pneumonia</dc:subject><dc:subject>tuberculosis</dc:subject><dc:subject>lung cancer</dc:subject><dc:subject>emphysema</dc:subject><dc:subject>pleurisy</dc:subject><dc:subject>bronchitis</dc:subject><dc:subject>early detection of lung disease</dc:subject><dc:subject>image segmentation comparison</dc:subject><dc:description xml:lang="id">Lung disease is one of the diseases that are prevalent in society. Often there is a delay in the treatment of this lung disease. These delays are often caused by ignorance of the community in the proper handling and lack of clear information about lung disease. One way to detect lung disease is by reading the X-ray images are correct and are usually carried out by experts who are experts on the X-ray results. But to get the diagnosis depends on the schedule of expert practice and takes a long time. To ease the difficulties of this society, so in this study built applications that can analyze X-ray images based on image processing. The data is processed there are 41 (forty-one) X-ray image of the segmentation of the lung region. Then the lung region performed edge detection based on Sobel operator . The test results obtained from the comparison of pixels between the results of edge detection on the lung region, which classifies six (6) types of lung disease with a percentage interval for bronchitis of 1.43% - 1.59%, pleurisy 1.43% - 1.59 %, pneumonia 2.00% - 2.50%, tuberculosis 2.86% - 3.79%, emphysema 4.16% - 4.76% and lung cancer 76.72% - 94.85%.Keyword : lung disease, X-ray image, segmentation, Sobel OperatorAbstrak—Penyakit paru merupakan salah satu penyakit yang umum dijumpai di masyarakat. Seringkali terjadi keterlambatan dalam penanganan terhadap penyakit paru ini. Keterlambatan ini biasanya disebabkan oleh ketidaktahuan masyarakat dalam penanganan yang tepat dan kurangnya informasi yang jelas tentang penyakit paru. Salah satu cara untuk mendeteksi penyakit paru adalah dengan membaca gambar rontgen yang benar dan biasanya dilakukan oleh pakar yang ahli terhadap hasil rontgen tersebut. Akan tetapi untuk mendapatkan hasil diagnosa ini tergantung pada jadwal praktek dari pakar dan membutuhkan waktu yang lama. Untuk memudahkan kesulitan masyarakat ini, maka pada penelitian ini dibangun aplikasi yang bisa menganalisa gambar rontgen berdasarkan pengolahan citra. Data yang diolah ada 41 (empat puluh satu) citra rontgen dengan melakukan segmentasi terhadap region paru. Kemudian region paru ini dilakukan deteksi tepi berbasis operator sobel. Hasil pengujian didapatkan dari perbandingan piksel antara hasil deteksi tepi terhadap region paru, yang mengklasifikasikan 6 (enam) jenis penyakit paru dengan interval persentase untuk penyakit bronkitis sebesar 1,43% - 1,59%, penyakit pleuritis 1,43% - 1,59%, penyakit pneumonia 2,00% - 2,50%, penyakit TBC 2,86% - 3,79%, penyakit emfisema 4,16% - 4,76% dan penyakit kanker paru 76,72% - 94,85%.Kata Kunci : Penyakit paru, citra rontgen, segmentasi, operator sobel.</dc:description><dc:publisher>Andalas University</dc:publisher><dc:date>2016-01-06</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:identifier>https://doi.org/10.25077/jnte.v5n1.174.2016</dc:identifier><dc:identifier>10.25077/jnte.v5n1.174.2016</dc:identifier><dc:source>Jurnal Nasional Teknik Elektro; Vol 5 No 1 (2016); 7-7</dc:source><dc:source>2302-2949</dc:source><dc:source>2407-7267</dc:source><dc:language>id</dc:language><dc:rights>https://creativecommons.org/licenses/by-nc-sa/4.0/</dc:rights></oai_dc:dc>