Tuberculosis adalah penyakit menular yang disebabkan kuman Mycobacterium tuberculosis. Oleh karena itu diagnosis dini tuberkulosis dengan melakukan tes dahak sangat penting untuk mencegah penularan terhadap orang lain. Pada pemeriksaan sampel dahak tuberculosis secara mikroskopis, membutuhkan 100-300 titik lapang pandang. Hal ini memerlukan waktu yang banyak, sehingga diperlukan suatu sistem yang dapat menggabungkan 100-300 citra titik lapang pandang menjadi satu kesatuan atau secara Whole Slide Imaging (WSI). Maka pada Proyek Akhir ini telah dirancang suatu sistem untuk menggabungkan citra mikroskopis dari sampel dahak yang disebut teknik penjahitan citra atau stitching images. Autostitching merupakan metode menjahit (stitching) dari sampel dahak dengan menggabungkan bidang pandang tumpang tindih secara otomatis dengan menggunakan metode SIFT (Scale Invarian Feature Transform) dan SURF (Speeded Up Robust Feature) untuk mencari fitur lokal pada citra. Algoritma BF (Brute Force) Matcher dan K-NN (K Neartest Neighbors), digunakan untuk mencari feature matching pada citra. Hasil dari penelitian ini yaitu menjahit citra pada citra mikroskopis sampel dahak tuberculosis. Dari hasil stitching dengan metode SIFT dan SURF setelah dilakukan ratio test diperoleh nilai akurasi tertinggi pada stitching dengan menggunakan metode SURF yaitu sebesar 100% dengan rata-rata waktu proses 16,58 detik, sedangkan stitching dengan menggunakan SIFT diperoleh akurasi sebesar 92% dengan rata-rata waktu proses 13 detik. Pada perhitungan zero-pixel nilai minimum zero-pixel paling sedikit diperoleh pada stitching dengan metode SURF dengan nilai minimum yang diperoleh sebesar 964.247, sedangkan zero-pixel yang diperoleh pada hasil stitching dengan SIFT nilai minimum yang diperoleh sebesar 1.069.687.