Klasifikasi data citra x-ray covid-19 menggunakan metode GLCM dan extreme learning machine (ELM)

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Maksum, Vivin Umrotul Mabruroh (2021) Klasifikasi data citra x-ray covid-19 menggunakan metode GLCM dan extreme learning machine (ELM). Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Vivin Umrotul Mabruroh Maksum_H72217042.pdf

Download (3MB)

Abstract

Corona Virus Disease 2019 atau biasa disebut dengan COVID-19 merupakan penyakit atau virus yang baru-baru ini menyebar hampir di seluruh dunia. Penyakit ini juga telah memakan banyak korban karena virus ini terkenal mematikan. Pemeriksaan dapat dilakukan menggunakan chest X-Ray karena biaya yang dikeluarkan untuk chest X-Ray lebih murah dibandingkan dengan tes swab dan PCR. Pada penelitian ini data yang digunakan adalah data citra chest X-Ray. Citra chest X-Ray dapat diidentifikasi menggunakan Computer Aided Diagnosis dengan memanfaatkan klasifikasi machine learning. Langkah awal yang dilakukan adalah tahap preprocessing, serta ekstraksi fitur menggunakan Gray Level Co-Occurrence Matrix (GLCM). Hasil dari proses ekstraksi fitur tersebut akan digunakan pada tahap klasifikasi. Proses klasifikasi yang digunakan adalah Extreme Learning Machine (ELM). Extreme Learning Machine (ELM) merupakan salah satu jaringan saraf tiruan dengan umpan maju (feedforward) yang mana memiliki satu lapisan tersembunyi yang disebut dengan Single Hidden Layer Feedforward Neural Networks (SLFNs). Pada penelitian ini hasil yang diperoleh dengan ekstraksi fitur GLCM dan klasifikasi menggunakan ELM menghasilkan akurasi terbaik sebesar 92, 23% pada rotasi 135◦ menggunakan fungsi aktivasi sin dengan percobaan node hidden 20. Hasil dari sistem klasifikasi ini diharapkan dapat membantu tenaga medis untuk mengetahui pasien yang terjangkit virus COVID-19.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Maksum, Vivin Umrotul Mabrurohvivinmabruroh8@gmail.comH72217042
Contributors:
ContributionNameEmailNIDN
Thesis advisorNovitasari, Dian C. Rinidiancrini@uinsby.ac.id2024118502
Thesis advisorHamid, Abdullohdoelhamid@uinsby.ac.id198508282014031003
Subjects: Komputer
Matematika
Keywords: COVID-19; Klasifikasi; GLCM; ELM.
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Vivin Umrotul Mabruroh Maksum
Date Deposited: 26 Feb 2021 12:43
Last Modified: 26 Feb 2021 12:43
URI: http://digilib.uinsby.ac.id/id/eprint/46755

Actions (login required)

View Item View Item