Implementasi Klasifikasi Citra Berdasarkan Ekstraksi Ciri Mendeteksi Kelainan Gigi Menggunakan Metode Anive Bayers Dan Metode Gyar Coocurrence Matrix (GLCM)

Kelainan gigi atau disebut anomali gigi yaitu gigi yang bentuknya menyimpang dari bentuk aslinya. Kelainan bentuk dan ukuran gigi antara Geminasi dan Makrodontia yang hampir sama menyebabkan dokter gigi sulit membedakannya. Oleh sebab itu diperlukan suatu pemanfaatan pengolahan citra berbasis komputer untuk membantu proses analisa gigi dengan cara mengklasifikasikannya dengan tepat. Salah satu metode pengolahan citra adalah dengan eksraksi ciri tekstur pada penelitian ini ekstraksi ciri tekstur yang digunakan adalah metode Concurrency Matrix. Metode Cooccurence Matrix adalah suatu matriks yang elemen-elemennya merupakan jumlah pasangan piksel yang memiliki tingkat kecerahan tertentu, di mana pasangan piksel itu terpisah dengan jarak (d), dan dengan suatu sudut inklinasi (θ). Naïve bayes adalah suatu metode pengklasifikasian paling sederhana dengan menggunakan peluang yang ada, dimana diasumsikan bahwa setiap variable X bersifat bebas (independence). Berdasarkan hasil pengujian, didapatkan nilai akurasi 66,6% ini membuktikan bahwa naive bayes kurang baik dalam mengklasifikasi citra kelainan gigi, dikarenakan data hasil ekstraksi ciri tekstur kelainan gigi dengan metode matriks co-occurrence memiliki interval jarak yang dekat antar kelasnya. Sehingga klasifikasi naive bayes kurang dapat berjalan dengan baik saat melakukan klasifikasi.

Dental abnormalities or so-called dental anomalies that tooth whose shape deviates from its original form. Deformities and tooth size between Gemination and Macrodontya almost the same cause dentist is difficult to distinguish. Therefore we need a utilization of computer-based image processing to assist in the analysis of the teeth by means classifies it. One of method image processing is texture feature extraction, in this research the texture feature extraction method is the method Concurrency Matrix. Cooccurence method Matrix is a matrix whose elements are the number of pairs of pixels that have a certain level of brightness, where the pixel pair separated by a distance (d), and with an inclination angle (θ). Naïve Bayes classification is the simplest method by using the existing opportunities, where it is assumed that every variable X is free (independence). Based on test results, obtained 66.6% accuracy value proves that Naive Bayes less well in classifying the image of dental abnormalities, because the data of texture feature extraction dental abnormalities with co-occurrence matrix method has a near distance interval between class. Naive Bayes classification so less can go well when the classification.