IDENTIFIKASI COVID-19 BERDASARKAN CITRA X- RAY PARU-PARU MENGGUNAKAN METODE LOCAL BINARY PATTERN DAN RANDOM FOREST
AFIFAH AMATULLA SUAIB

Informasi Umum

Kode

22.04.2233

Klasifikasi

621.367 - Technological photography and photo-optics, Spectrography, Stroboscopic photography, Image processing, Optical data processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing, Signal Processing,

Dilihat

258 kali

Informasi Lainnya

Abstraksi

<p><meta charset="utf-8" /><em>Covid-19 </em>merupakan fenomena yang<b> </b>tidak bisa dilupakan oleh dunia. Pada akhir tahun 2019 tepatnya di Wuhan, China virus <em>Severe Acute Respiratory Syndrome Coronavirus-2 (SarsCov-2) </em>ditemukan dan berkembang, hingga <em>World Health Organization</em> (WHO) menetapkan Covid-19 sebagai pandemi pada tanggal 9 Maret 2020. Pesatnya perkembangan dan penularan virus ini sempat membuat kewalahan. Salah satu cara untuk mengetahui seseorang positif Covid-19 dengan melihat hasil <em>X-Ray </em>paru parunya. Hasil <em>X-Ray</em> akan dianalisis untuk mengetahui keadaan paru-paru seseorang. Tujuan dari penelitian ini adalah untuk mengklasifikasikan hasil <em>X-Ray paru</em>-paru yang terbagi menjadi tiga kelas yaitu positif Covid-19, normal, atau Pneumonia.</p>

<p dir="ltr">Metode<b> </b>yang digunakan pada penelitian ini terdiri dari metode ekstraksi ciri yaitu menggunakan <em>Local Binary Pattern </em>(LBP) dan metode klasifikasi menggunakan <em>Random Forest.</em> Penelitian ini menggunakan data latih dan data uji berupa citra <em>X-Ray </em>paru-paru yang dibedakan menjadi tiga kelas diantaranya paru-paru normal, positif Covid-19, dan Pneumonia. Tahapan yang dilakukan pada citra sebelum klasifikasi yaitu ekstraksi ciri kemudian hasil dari ekstraksi ciri akan diklasifikasikan.</p>

<p dir="ltr">Berdasarkan hasil pengujian yang telah dilakukan menggunakan 1.200 citra yang terbagi menjadi 900 data latih dan 300 data uji, sistem dapat mengidentifikasi Covid-19 berdasarkan citra <em>X-Ray</em> paru-paru dan mengklasifikasikannya kedalam tiga kelas. Hasil akurasi tertinggi yang didapatkan yaitu 85,67% dengan menggunakan variasi resize citra= 200x200 piksel, radius ekstraksi ciri LBP= 8, dan jumlah pohon pada klasifikasi <em>Random Forest</em>= 200.</p>

<p dir="ltr"><b id="docs-internal-guid-456498fd-7fff-1e80-a774-eb4c88a3475e">Kata Kunci: </b><em>Covid-19, X-Ray, Local Binary Pattern, Random Forest</em></p>

• TT3113 - PENGOLAHAN SINYAL DIGITAL
• TTI4V3 - PENGOLAHAN SINYAL MULTIMEDIA

Koleksi & Sirkulasi

Seluruh 1 koleksi sedang dipinjam

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook