KLASIFIKASI COVID-19 MELALUI CITRA RADIOGRAFI MENGGUNAKAN METODE ANN DENGAN EKSTRAKSI FITUR DWT DAN MOMENT INVARIANT

Ditha, Nurcahya Avianty (2021) KLASIFIKASI COVID-19 MELALUI CITRA RADIOGRAFI MENGGUNAKAN METODE ANN DENGAN EKSTRAKSI FITUR DWT DAN MOMENT INVARIANT. S1 thesis, Universitas Mataram.

Text TA 2 - Ditha Nurcahya Avianty F1D01716.pdf Restricted to Repository staff only Download (1MB)

Abstract

COVID-19 adalah penyakit menular yang disebabkan oleh keluarga besar virus corona, yaitu severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Metode yang dianjurkan untuk deteksi COVID-19 adalah amplifikasi asam nukleat dengan real-time Reverse Transcription Polymerase Chain Reaction (rt-PCR) atau swab test yang dilakukan secara berulang. Metode ini bergantung dengan fasilitas yang mahal, tenaga kesehatan yang terlatih, dan seringkali membutuhkan waktu yang lama dalam proses pengujiannya sehingga menyebabkan keterlambatan dalam upaya pencegahan penyakit. Metode tercepat untuk mengidentifikasi keberadaan virus ini adalah rapid test antibodi atau antigen, namun untuk mengonfirmasi status positif dari pasien COVID-19 direkomendasikan pemeriksaan lebih lanjut. Pemeriksaan paru-paru menggunakan citra radiografi dada yang diambil melalui foto rontgen pasien COVID-19 dapat menjadi salah satu metode konfirmasi kondisi pasien. Penelitian ini bertujuan untuk membangun suatu model untuk mendeteksi COVID-19 melalui citra radiografi dada menggunakan metode Artificial Neural Network (ANN) dengan menggabungkan ekstraksi fitur Discrete Wavelet Transform (DWT) dan Moment Invariant untuk membantu dokter mengonfirmasi diagnosa pasien dan mengurangi peluang terjadinya human error. Pada penelitian ini, haar wavelet transform dan tujuh Hu moments digunakan untuk mengekstraksi fitur citra. Tujuan utama dari penelitian ini adalah untuk menemukan fitur terbaik dan model ANN untuk memprediksi gambar radiografi dada sebagai tersangka COVID-19, pneumonia, atau normal. Menurut hasil penelitian, model dengan 2 hidden layers, 128 dan 64 neurons, 0.001 learning rate, dan ukuran masukan citra 128x128 piksel menunjukkan kinerja terbaik dalam mendeteksi COVID-19 dengan akurasi sebesar 86.32%, tingkat presisi 86.35%, dan tingkat recall 86.26%.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Keywords: COVID-19, Citra Radiografi, Artificial Neural Network, Discrete Wavelet Transform, Moment Invariant
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik
Depositing User:	Rini Trisnawati
Date Deposited:	26 Jul 2021 03:01
Last Modified:	26 Jul 2021 03:01
URI:	http://eprints.unram.ac.id/id/eprint/22809

Actions (login required)

View Item