ABSTRAKSI: Kelenjar tiroid yang terletak di leher manusia dapat mengalami kelainan yang sulit terdeteksi sejak awal. Ada dua kelainan yang menyerang kelenjar Tiroid, yaitu Hipotiroid dan Hipertiroid. Kedua gejala ini akan berakibat fatal jika tidak dideteksi sejak awal. Hipotiroid dapat mengakibatkan keterbelakangan mental, sedangkan Hipertiroid dapat menyebabkan pembengkakan dan mengakibatkan tumor bahkan kanker. Deteksi penyakit konvensional yang dilakukan oleh dokter berdasarkan preparat darah atau sampel jaringan. Penelitian-penelitian yang dilakukan sebelumnya masih menggunakan mikroskop yang dilihat secara visual oleh mata manusia. Oleh karena itu perlu dibuat suatu alat bantu yang dapat mendeteksi kelainan Tiroid berdasarkan sampel jaringan pada suatu citra secara cepat dan otomatis, sehingga diperoleh analisis dan bukti yang akurat. Pada Tugas Akhir ini dibuat dua simulasi pengolahan citra untuk mendeteksi kondisi Tiroid dengan menggunkan metode yang berbeda yaitu JST LVQ dan Decision Tree. Metode-metode ini masing-masing diterapkan pada program Matlab dengan beberapa parameter. Untuk JST LVQ hasil terbaik didapatkan dengan menggunakan kombinasi parameter Learning Rate = 0.00375, Epoch = 20000, Hidden Layer = 8. Kombinasi parameter terbaik untuk Decision Tree adalah WS = 12, C = 0.02, R = 9. Proses pengolahan citra dimulai dari akuisisi data citra, penghapusan noise dengan filter, thresholding, hingga citra siap untuk dideteksi. Analisis citra dilakukan dengan cara membaca informasi sampel jaringan dan bentuk selnya. Pada akhirnya kedua metode tersebut diperbandingkan waktu dan keakuratannya. Dari hasil pengujian dapat ditarik kesimpulan bahwa JST LVQ lebih unggul dari sisi keakuratan yaitu 99.31% sedangkan Decision Tree hanya 98.27%. Untuk waktu komputasi JST LVQ lebih cepat dalam proses pelatihan, tetapi membutuhkan waktu lebih lama untuk memproses pengujian. JST LVQ membutuhkan waktu rata-rata 0.008 detik untuk pelatihan sebanyak 90 citra, sedangkan Decision Tree membutuhkan 1.120 detik. Namun JST LVQ membutuhkan waktu lebih lama untuk memproses pengujian pada pengujian sebanyak 200 citra, waktu rata-rata nya yaitu 1.541 detik sedangkan Decision Tree hanya membutuhkan waktu rata-rata 0.180 detik.
Kata Kunci : Tiroid, Patology Anatomy, JST LVQ, Decision Tree, Analisis citraABSTRACT: The Thyroid were placed in human throat could be freely abnormal which is difficult to detect early. There are two kind of thyroid disease. They are Hypothyroid and Hyperthyroid. Those two will cause serious effect to human body if they are not detected early. Hypothyroid will causes idiot syndrome, hyperthyroid will causes giant cell, tumor and cancer. Doctors do conventional disease detection from Thyroid sample. Old researches still using visual detection by microscope. In order to make it more effective than before, they need to create a computer system that could automatically and fast detect the thyroid disease from the picture of blood sample. The system that can be analyzed and accuracy proved. This paper tells us about two simulated digital picture processing systems to detect thyroid disease with two different kind of picture detection method, there are LVQ (Learning Vector Quantization) and DT (Decision Three). Those methods use in each Matlab programming systems with parameters. LVQ system got optimized result with used Learning Rate 0.00375, 20000 times Epoch, and 8 Hidden Layer as parameter’s combination. DT have own optimized parameter’s combination, they are WS = 12, C = 0.02, R = 9. The step of Digital picture processing could start from picture acquisition, noise reduction, broad threshold determination, until picture ready to detect. Finally, those two methods were appealed in computation time and estimation accuracy. The result of simulation shows that the accuracy of LVQ method with 99.31% better than DT method with 98.27%. In learning computation process LVQ took faster period than DT, but took longer period than DT in final testing process. In average of learning process JST LVQ needs 0.008 seconds of 90 images, but Decision Tree needs 1.120 second. In average of testing process of 200 images JST LVQ needs 1.541 seconds, it is longer than Decision Tree which only needs 0.180 seconds.
Keyword: Thyroid, Patology Anatomy, LVQ, DT, Image Analysis