Pengembangan Aplikasi Pengolahan Citra X-Ray Digital Berbasis Computer Vision Untuk Deteksi Fraktur
Keywords:
computer vision, Digital X-ray, Image Enhancement, Image ProcessingAbstract
Perkembangan teknologi X-ray digital memberikan peluang untuk diintegrasikan dengan metode Computer Vision dalam meningkatkan kualitas citra serta mendukung deteksi fraktur secara otomatis. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang mampu melakukan pengolahan citra X-ray digital dan mendeteksi fraktur tulang secara efektif. Proses pengolahan citra dilakukan melalui beberapa tahapan image enhancement, yaitu konversi grayscale, peningkatan kontras menggunakan metode Contrast Limited Adaptive Histogram Equalization (CLAHE), penyesuaian kecerahan, serta reduksi noise menggunakan filter Median dan Gaussian blur. Dataset diperoleh dari sumber terbuka (Google, Kaggle), dianotasi di Roboflow menjadi dua kelas (Fracture dan Healthy), lalu diproses dengan preprocessing, augmentasi, dan pembagian data sebelum pelatihan model. Sistem diimplementasikan pada arsitektur web menggunakan Flask sebagai backend untuk pemrosesan citra dan inferensi model, serta React.js sebagai frontend untuk menampilkan citra asli, citra hasil peningkatan, dan hasil deteksi yang dapat diunduh pengguna. Evaluasi model menggunakan Confusion Matrix menunjukkan akurasi sebesar 94,26%, yang menandakan bahwa model mampu membedakan citra fraktur dan non-fraktur dengan baik pada dataset uji. Pengujian fungsional (Black Box dan White Box) juga mengonfirmasi bahwa alur dan logika aplikasi berjalan sesuai rancangan. Penelitian ini menyimpulkan bahwa aplikasi yang dikembangkan berpotensi membantu identifikasi awal kelainan tulang pada citra X-ray dan dapat dikembangkan lebih lanjut menjadi sistem pendukung keputusan klinis.
References
Budiyanta, N. E., Mulyadi, M., & Tanudjaja, H. (2021). Sistem Deteksi Kemurnian Beras berbasis Computer Vision dengan Pendekatan Algoritma YOLO. Jurnal Informatika: Jurnal Pengembangan IT, 6(1), 51–55. https://doi.org/10.30591/jpit.v6i1.2309
Dewi, S. (2024). Arus Jurnal Sains dan Teknologi ( AJST ) Analisis Sentimen Aplikasi WhatsApp berdasarkan Ulasan di. 2(2).
Elmanisar, V., Sulastri, & Jusrial. (2024). Hubungan Filsafat Ilmu Terhadap Perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK). MISTER: Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research, 1, 538–548.
Firanda, F. M., Milwandhari, S., & Putratama, V. (2021). Jurnal Ilmiah Manajemen Informatika – Politeknik Pos Indonesia SISTEM INFORMASI PERJALANAN DINAS BERBASIS WEB ( STUDI KASUS : DPRD KABUPATEN GARUT ). 13(1), 15–20.
Informatika, J., Suvi, L., Maknunah, J., & Safitri, L. M. (2023). Sistem Informasi Pemasaran Perumahan Green Pakis Regency Berbasis Web Web-Based Green Pakis Regency Residential Marketing Information System. 3(1), 29–39.
Jumadi, J., Yupianti, Y., & Sartika, D. (2021). Pengolahan Citra Digital Untuk Identifikasi Objek Menggunakan Metode Hierarchical Agglomerative Clustering. JST (Jurnal Sains Dan Teknologi), 10(2), 148–156. https://doi.org/10.23887/jstundiksha.v10i2.33636
Koetzier, L. R., Mastrodicasa, D., Szczykutowicz, T. P., van der Werf, N. R., Wang, A. S., Sandfort, V., van der Molen, A. J., Fleischmann, D., & Willemink, M. J. (2023). Deep Learning Image Reconstruction for CT: Technical Principles and Clinical Prospects. Radiology, 306(3). https://doi.org/10.1148/radiol.221257
Kuliah, M., & Dilova, M. N. (n.d.). Pemodelan uml pendapatan pada arini laundry.
Kurniawan, M. I. (2024). PENDETEKSI PENYAKIT PADA DAUN CENGKEH MENGGUNAKAN ALGORITMA YOU ONLY LIVE ONCE (YOLO). February, 4–6.
Malik, A. A. (2023). Identifikasi Wajah Manusia menggunakan Yolo Frameworks dengan Metode Scale Modifier sebagai Preprocessing Secara Real Time. Skripsi Jurusan Teknik Elektro Universitas Sultan Ageng Tirtayasa, 1–20.
Matondang, Z. A. (2021). PENERAPAN METODE CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION ( CLAHE ) PADA CITRA DIGITAL UNTUK MEMPERBAIKI GAMBAR X-RAY. 24–29.
Nadhim, A., & Kurniadi, O. (2022). Konstruksi Citra Keluarga melalui Public Relation Organisasi. 508–515.
Najjar, R. (2023). Redefining Radiology: A Review of Artificial Intelligence Integration in Medical Imaging. Diagnostics, 13(17). https://doi.org/10.3390/diagnostics13172760
Parvin, S., & Rahman, A. (2024). A real-time human bone fracture detection and classification from multi-modal images using deep learning technique. https://doi.org/10.1007/s10489-024-05588-7
Prasetyo, S., & Dewayanto, T. (2024). PENERAPAN MACHINE LEARNING , DEEP LEARNING , DAN DATA MINING DALAM DETEKSI KECURANGAN LAPORAN KEUANGAN - A SYSTEMATIC LITERATURE REVIEW. 13, 1–12.
Song, L., Sun, H., Xiao, H., Kit, S., Zhan, Y., & Ren, G. (2025). Arti fi cial intelligence for chest X-ray image enhancement. 6(December 2024), 61–68.
Wang, Y., Guo, Y., Wang, Z., Yu, L., Yan, Y., & Gu, Z. (2024). Enhancing semantic segmentation in chest Xray images through image preprocessing: ps- KDE for pixel-wise substitution by kernel density estimation. PLoS ONE, 19(6 June), 1–17. https://doi.org/10.1371/journal.pone.0299623
