CLUSTERING TINGKAT KEPARAHAN TBC BERDASARKAN CITRA RONTGEN MENGGUNAKAN ALGORITMA K-MEDOIDS BERBASIS WEB

Abstract

Tuberkulosis (TBC) adalah penyakit menular yang ditumbulkan dari kuman TB (Mycobacterium tuberculosis). 90% pasien yang terkonfirmasi TBC paru-paru tidak memberikan gejala (asymptomatic). Salah cara untuk mendiagnosis dan menganalisis penyakit yang diderita pasien dengan gambar dua dimensi atau sampel yang disebut dengan citra medis salah satu nya adalah dengan metode foto rontgen. Dengan rontgen kita dapat mengetahui kerusakan seperti apa yang terjadi pada paru-paru penderita yang diakibatkan bakteri yang menyerang. Dan dari banyaknya data citra rontgen tersebut masih belum memiliki label dari tingkat keparahan kerusakan paru-paru yang di derita pasien, dengan adanya pengelompokan tingkat keparahan kerusakan paru-paru tbc menggunakan metode data mining yaitu algoritma K-Medoids clustering menghasilkan label dari tingkat kerusakan paru-paru dengan mengelompokan data ke beberapa cluster berdasarkan kemiripan datanya. Berdasarkan hasil penelitian, teridentifikasi 3 cluster, yaitu cluster 0 dengan tingkat kerusakan paru-paru Lesi Inaktif terdapat 31 data, cluster 1 dengan tingkat kerusakan paru-paru Lesi aktif terdapat 120 data, dan cluster 2 dengan tingkat kerusakan paru-paru Luluh Paru terdapat 24 data. Sehingga diharapkan sangat membantu dalam mengetahui label dari tingkat kerusakan paru-paru yang diderita pasien.