KLASIFIKASI TINGKAT KEPARAHAN KNEE OSTEOARTHRITIS (KOA) BERDASARKAN GRAY LEVEL RUN LENGTH MATRIX (GLRM) DAN SUPPORT VECTOR MACHINE (SVM)

Osteoarthritis adalah penyakit nyeri yang terjadi pada bagian persendianrntulang manusia. Nyeri sendi terjadi di beberapa bagian tubuh manusia seperti sendirnleher, tangan, pinggul terutama pada bagian sendi lutut. Osteoarthritis (OA) jugarnpenyakit sendi di mana perubahan patologis terjadi di seluruh struktur sendi.rnPenyakit OA sering dijumpai dan penyakitnya akan semakin meningkat ketika usiarnseseorang semakin menua. Keluhan yang sering terjadi yaitu nyeri pada sendi yangrndiketahui dengan ciri rusaknya tulang kartilago hyalin, sclerosis yang semakinrnmenebal, timbulnya peradangan dan melemahnya otot-otot. Saat ini telahrnberkembang banyak penelitian dengan bantuan komputer untuk melakukanrnidentifikasi, segmentasi, deteksi maupun klasifikasi tingkat keparahan penyakit OArnlutut. Sementara itu, tujuan Skripsi ini adalah untuk mengetahui tingkat keparahanrnOA pada lutut dengan ekstraksi fitur berbasis tekstur citra x-ray yang diperolehrnmenggunakan dari database publik yaitu Osteoarthritis Initiative (OAI). Sedangkanrnmetode yang digunakan pada Skripsi ini adalah GLRM dan SVM. Data OA lututrnmengalami praproses dengan menggunakan metode Histogram Equalizationrndengan meningkatkan kontras citra agar data citra menjadi lebih baik dalamrnmelakukan proses Gray Level Run Length Matrix (GLRM). Hasil yang diperolehrndari GLRM berupa nilai fitur yang dihitung menggunakan rumus fitur GLRM. Nilairnfitur yang dihasilkan tersebut dilakukan klasifikasi dengan cara SVM. Data yangrndigunakan sebanyak 8260 data citra kanan dan kiri, 4140 data citra kanan, 4130rndata citra kiri dengan Grade masing-masing 0 4. Jumlah data citra tidak terlihatrnadanya pengaruh dalam hasil akurasi yang di dapat. Metode SVM dapatrnmengklasifikasi data citra OAI dengan Grade 0 – 4. Dengan metode ini hasil tingkatrnakurasi yang pada lutut kanan sebesar 39.106%, lutut kiri sebesar 40,474%, danrnlutut keseluruhan sebesar 39,527%, keseluruhan hasil akurasi terbaik dari uji cobarnmenggunakan kernel RBF.