Klasifikasi Citra Rontgen Dada Menggunakan Support Vector Machine (SVM) Untuk Deteksi Tuberculosis (TBC)

Tuberkulosis (TBC) merupakan penyakit menular yang menyerang paru-paru dan masih menjadi masalah kesehatan global. Deteksi dini sangat penting untuk mencegah penyebaran dan komplikasi lebih lanjut. Penelitian ini bertujuan mengembangkan sistem klasifikasi citra rontgen dada menggunakan Support Vector Machine (SVM) untuk membantu diagnosis TBC secara otomatis. Dataset yang digunakan terdiri dari 545 citra rontgen dengan dua kelas, yaitu normal dan TBC. Tahapan penelitian meliputi praproses citra (resizing, grayscaling, peningkatan kontras, segmentasi, dll.), ekstraksi fitur menggunakan HOG dan LBP, penyeimbangan data menggunakan SMOTE, serta normalisasi. Model Support Vector Machine (SVM) dengan kernel RBF dilatih dan dievaluasi menggunakan confusion matrix dan classification report. Hasil menunjukkan akurasi sebesar 78,17%, precision 82,87%, recall 63,03%, dan F1-score 71,77%. Meskipun akurasi dan precision tergolong tinggi, nilai recall yang masih sedang menunjukkan bahwa model sudah mulai mampu mengenali sebagian besar kasus TBC, namun masih memiliki ruang untuk perbaikan agar dapat lebih efektif dalam deteksi dini TBC.

Kata Kunci: Tuberkulosis, Citra Rontgen Dada, Support Vector Machine.