DETEKSI DINI INFEKSI COVID-19 TANPA GEJALA (ASYMPTOMATIC) MENGGUNAKAN MODEL SUPPORT VECTOR MACHINE (SVM) MELALUI REKAMAN SUARA BATUK PAKSA

NYOMAN WAHYUNI INDRASWARI, NI (2022) DETEKSI DINI INFEKSI COVID-19 TANPA GEJALA (ASYMPTOMATIC) MENGGUNAKAN MODEL SUPPORT VECTOR MACHINE (SVM) MELALUI REKAMAN SUARA BATUK PAKSA. S1 thesis, Universitas Mataram.

Text Tugas Akhir_Ni Nyoman Wahyuni Indraswari_F1D018047 (FINAL).pdf Restricted to Repository staff only Download (1MB)

Abstract

COVID-19 merupakan penyakit menular sindrom pernapasan akut parah SARS CoV-2 yang penyebarannya terjadi dari kontak manusia secara langsung melalui percikan lendir saluran pernafasan orang yang terinfeksi. Pusat Pencegahan dan Pengendalian Penyakit Amerika (CDC) mengatakan bahwa orang tanpa gejala (OTG/asymptomatic) dan pasien COVID-19 yang belum menunjukan gejala kemungkinan menyumbang lebih dari 50% angka penularan. Guna mempercepat pendeteksian kasus COVID-19, Kementerian Kesehatan menerbitkan Keputusan Kesehatan Nomor HK.01.07/MENKES/446/2021 terkait penggunaan tes rapid antigen dalam penegakan diagnosis awal yang memiliki akurasi hasil berkisar antara 80-90% hanya dalam waktu singkat, yaitu 5-30 menit dengan kisaran harga per 3 September 2021 mulai dari Rp99.000,00 hingga Rp109.000,00. Penelitian kali ini menggunakan model SVM (Support Vector Machine) sebagai pengolah ekstraksi ciri dari data suara pada proses pelatihan dan pengujian. Tujuan penelitian ini yaitu menghasilkan algoritma dari Model SVM agar dapat mendeteksi COVID- 19 tanpa gejala (asymptomatic) dari ekstraksi rekaman suara batuk. Pengumpulan data rekaman batuk paksa dilakukan oleh tim peneliti dari Indian Institute of Technology Kharagpur yang tersedia melalui Kaggle.com dengan tujuan mengumpulkan data suara untuk diskriminasi batuk COVID-19. Dari total 171 subjek yang diteliti, sebanyak 120 subjek (70%) digunakan untuk data latih dan 51 subjek (30%) untuk data uji. Data yang akan digunakan dibagi menjadi 2 perlakuan, yaitu menggunakan proses SMOTE data dan tanpa proses SMOTE data. Hasil dari kedua data tersebut memiliki performance matrix rata-rata di atas 80% dengan akurasi untuk data tanpa SMOTE sebesar 98.3% dan untuk data SMOTE sebesar 100%.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Kata kunci: Akurasi, Asymptomatic, Batuk paksa, Covid-19, Model SVM
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik
Depositing User:	Rini Trisnawati
Date Deposited:	10 Aug 2022 03:02
Last Modified:	10 Aug 2022 03:02
URI:	http://eprints.unram.ac.id/id/eprint/30444

Actions (login required)

View Item