Infeksi Saluran Pernafasan Atas (ISPA) merupakan salah satu penyakit yang paling sering ditemukan di Indonesia, terutama sejak pandemi COVID-19 hingga saat ini. Penyakit ini tidak hanya disebabkan oleh virus, tetapi juga beberapa jenis bakteri, seperti Streptococcus pneumoniae, Staphylococcus aureus, Corynebacterium diphtheriae, Neisseria gonorrhoeae, dan Mycobacterium tuberculosis. Bakteri-bakteri ini memiliki ciri yang unik dan berbeda antara satu dengan yang lainnya. Salah satu keterbatasan yang ada saat ini untuk deteksi bakteri-bakteri ini untuk proses diagnosis adalah ketergantungan terhadap keahlian dan waktu dari analis kesehatan yang mengidentifikasi bakteri-bakteri tersebut dari sampel dahak pasien. Kenyataan di lapangan menunjukkan bahwa jumlah analis kesehatan yang ada tidak sebanding dengan banyaknya jumlah sampel yang harus diuji sehingga kerjaannya overload dan akurasi pekerjaannya menurun. Hal ini menjadi lebih buruk pada saat pandemi COVID-19 lalu. Salah satu solusi untuk keadaan tersebut adalah dengan menggunakan teknologi digital untuk mempermudah pekerjaan para analis kesehatan. Penelitian ini diusung untuk menjawab tantangn tersebut dengan menggunakan teknologi computer vision untuk membantu klasifikasi bakteri-bakteri penyebab ISPA. Gambar hasil mikroskop dari bakteri-bakteri tersebut diproses menggunakan teknik pengolahan citra digital yang kemudian diklasifikasikan menggunakan kecerdasan buatan. Prosesnya dimulai dari peningkatan kualitas gambar, misalnya menambah kecerahan, mengatur kontras, hingga memisahkan warna tertentu agar bentuk bakteri terlihat lebih jelas. Setelah itu, bakteri dipisahkan dari latar belakang (segmentation) dan dianalisis ciri-cirinya, seperti jumlah koloni, luas, keliling, dan bentuk. Ciri-ciri inilah yang kemudian diolah menggunakan beberapa algoritma kecerdasan buatan seperti K-Nearest Neighbor, Naive Bayes, Multilayer Perceptron, Radial Basis Function, dan Support Vector Machine (SVM). Metode SVM menunjukkan hasil terbaik dibanding metode yang lain dalam mengklasifikasikan bakteri-bakteri penyebab ISPA dengan Tingkat akurasi mencapai 94.06%. Pengembangan di masa depan perlu dilakukan untuk meningkatkan kemampuan klasifikasi sistem ini dengan semakin meningkatkan jumlah data yang menjadi input dan juga bisa menerapkan metod deep learning.
Penelitian ini telah dipublikasikan pada Periodica Polytechnica Electrical Engineering and Computer Science, 69(1), pp. 99–109, 2025.
https://www.pp.bme.hu/eecs/article/view/37572 Imron, A. M. N., Fitri, Z. E., Putra, A. P. “Optimization of Bacterial Image Processing for Early Detection of Acute Respiratory Infection (ARI) Disease”, Periodica Polytechnica Electrical Engineering and Computer Science, 69(1), pp. 99–109, 2025. https://doi.org/10.3311/PPee.37572
