SISTEM KLASIFIKASI LENKE BERDASARKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN SUPPORT VECTOR MACHINE

Penelitian ini merancang suatu sistem klasifikasi berdasarkan Radiologi Jenis scoliosis Lenke dengan menggunakan metode ekstraksi fitur Gray Level CoOccurrence Matrix (GLCM) dan klasifikasi Support Vector Machine (SVM). Proses awal melibatkan ekstraksi fitur menggunakan GLCM untuk mendapatkan informasi spasial dari citra yang mencerminkan pola tekstur tulang belakang. Fitur-fitur ini kemudian dijadikan input untuk algoritma SVM dalam tahap klasifikasi dengan menggunakan 10 Fold-Cross Validation dari data citra scoliosis lenke dan normal. Penilaian performa dilakukan dengan membagi data ke dalam tiga kategori, yaitu Quadratic SVM, Cubic SVM, dan Coarse gaussian SVM. Hasil eksperimen menunjukkan kesuksesan sistem dalam mengklasifikasikan scoliosis Lenke, di mana hasil training Quadratic SVM mencapai akurasi 98,8% dalam waktu 11,136 detik, Cubic SVM mencapai 99,2% dalam waktu 19,307 detik, dan Coarse gaussian SVM mencapai 74,02% dalam waktu 4,550 detik. Hasil testing Quadratic SVM 92,24% dalam waktu 20,438 detik, Cubic SVM mencapai 91,98% dalam waktu 19,303 detik, dan Coarse Gaussian SVM mencapai 60,66% dalam waktu 21,167 detik. Tingkat akurasi yang tinggi dari metode klasifikasi ini mengindikasikan potensi besar untuk mendukung diagnosis medis. Selain itu, waktu eksekusi yang relatif singkat menunjukkan efisiensi sistem dalam pengolahan data citra, suatu aspek penting dalam aplikasi medis yang memerlukan respons cepat dalam diagnosis dan perawatan. Penelitian ini memberikan sumbangan yang signifikan dalam pengembangan sistem otomatis untuk deteksi scoliosis Lenke berdasarkan citra radiografi.