Maksum, Vivin Umrotul Mabruroh (2021) Klasifikasi data citra x-ray covid-19 menggunakan metode GLCM dan extreme learning machine (ELM). ['eprint_fieldopt_thesis_type_undergraduate' not defined] thesis, UIN Sunan Ampel Surabaya.
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.
| Item Type: | Thesis (['eprint_fieldopt_thesis_type_undergraduate' not defined]) |
|---|---|
| Uncontrolled Keywords: | COVID-19; Klasifikasi; GLCM; ELM. |
| Subjects: | Komputer Matematika |
| 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 |
