Mycobacterium Tuberculosis adalah bakteri tahan asam yang ditemukan di dahak. Bakteri ini memiliki warna khusus seperti merah hingga ungu. Dokter Spesialis Patologi Klinik dapat mengetahui bakteri Tuberculosis (TB) di dalam dahak dan menghitung jumlah kuman TB. Dalam artikel ini dipaparkan penggunaan metode Adaptive Boosting (Adaboost) untuk mengidentifikasi bakteri TB. Sebelum identifikasi dilakukan penyaringan menggunakan median filter dan ekstraksi ciri warna menggunakan HSV (Hue Saturation Value) dan Adaboost dengan pengklasifikasi pohon keputusan untuk pengidentifikasiannya. Tujuan penelitian ini adalah untuk menganalisis pengaruh ciri warna dalam mengidentifikasi bakteri TB.
Median filter digunakan untuk menghilangkan noise pada citra sehingga citra bakteri bening dan flek hitam bisa hilang. Untuk ekstraksi ciri warna digunakan metode color histogram karena sesuai dengan karakteristik citra TB yang memiliki warna tersendiri. Sedangkan klasifikasi menggunakan metode Adaptive Boosting, jumlah citra sebanyak 1266 dengan rincian bakteri 633 TB dan 633 bukan TB. Gambar ini diambil dari 50 gambar dahak yang diambil dari Ziehl – Neelsen Sputum smear Microscopy image DataBase (ZNSM-iDB), Indira Gandhi Medical College (IGMC), Shimla. Dalam metode adaboost, pembobotan diberikan untuk setiap dataset training yang menggunakan boosting dengan resampling atau boosting dengan cara reweighting. Boosting dengan resampling adalah pembobotan dengan memilih data secara acak dengan melihat bobot tiap data. Jika pembobotan suatu data memiliki nilai yang besar maka akan diambil kembali menjadi data latih untuk pengklasifikasi lemah.
Pada proses pengujian sistem, data dibagi menjadi data training (80%) dan data testing (20%). Penelitian ini menggunakan metode cross-validation (CV). Metode ini merupakan salah satu metode statistik validasi silang dengan melakukan perbandingan antar kelompok yang sering disebut k-fold CV. Proses kerja k-fold dilakukan dengan membagi kumpulan data menjadi k buah. Data yang digunakan adalah data citra TB sebanyak 1266 citra dari 50 citra citra dahak. Dari data tersebut dilakukan proses penyempurnaan menggunakan metode median filter dan mengekstrak ciri warna menggunakan HSV dengan nilai Hue yang bervariasi yaitu 8, 16, 32 dan 64.
Kinerja suatu sistem klasifikasi diukur berdasarkan tingkat keberhasilan sistem yang dibangun dalam mengklasifikasikan data. Pengukuran performa diukur menggunakan akurasi standard yaitu Precision, Recall, dan F1-Score. Simbol yang ada dalam teknik pengukuran kinerja membutuhkan nilai True Positive (TP), False Positive (FP), True Negative (TN), dan False Negative (FN). Hasil penelitian menunjukkan bahwa nilai akurasi terbaik dari proses pengujian klasifikasi bakteri TB dengan menggunakan pengklasifikasi Adaboost dan Decision Tree adalah 81,7% yang dicapai saat Hue dalam histogram warna adalah 64.
Sumber: http://news.unair.ac.id/2021/05/10/klasifikasi-mycobacterium-tuberculosis-berdasarkan-ekstraksi-ciri-warna-menggunakan-metode-adaptive-boosting/
Penulis: Dr. Nur Chamidah, M.Si.
Informasi detail dari penelitian ini dapat dilihat pada tulisan kami di:
https://aip.scitation.org/doi/abs/10.1063/5.0042283
Aeri Rachmad, Nur Chamidah, Riries Rulaningtyas, 2020, Classification of Mycobacterium Tuberculosis Based on Colour Feature Extraction Using Adaptive Boosting Method, AIP Conference Proceedings. 2329, 050005 (2021). https://doi.org/10.1063/5.0042283
