This item is published by Universitas Islam Negeri Sunan Ampel Surabaya
Astiti, Fitri Mellynia (2022) Deteksi citra x-Ray covid-19 dengan menggunakan GLRLM dan extreme learning machine ELM. Undergraduate thesis, UIN Sunan Ampel Surabaya.
Text
Fitri Mellynia Astiti_H72218020.pdf Download (2MB) |
Abstract
COVID-19 (Corona Virus Disease-19) merupakan virus yang menyerang sistem pernafasan. Penyebaran COVID-19 tergolong sangat cepat sehingga telah banyak masyarakat yang terjangkit oleh virus ini. Cara mendeteksi virus ini dapat dilakukan dengan melakukan Chest X-Ray atau X-Ray dada. Dalam penelitian ini menggunakan data berupa citra X-Ray dada. Citra X-Ray tersebut akan diproses dengan bantuan Computer Aided Diagnosis (CAD). CAD memiliki 3 tahapan yang digunakan dalam penelitian ini yaitu pre-processing dengan menggunakan Contrast Limited Adaptive Histogram Equalization (CLAHE) feature extraction dengan menggunakan Gray Level Run Length Matrix (GLRLM) dan classification dengan menggunakan metode Extreme Learning Machine (ELM). Hasil terbaik diperoleh dengan K-Fold dengan K sebesar 10, node pada hidden layer sebanyak 100 menggunakan fungsi aktivasi berupa Sigmoid Bipolar pada sudut 0◦, akurasi yang diperoleh sebesar 92%, sensitifitas sebesar 89.62% dan spesifisitas sebesar 94.68%. Hasil dari penelitian deteksi COVID-19 ini diharapkan mampu mengurangi angka kematian yang diakibatkan oleh 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: |
|
||||||||||||
Contributors: |
|
||||||||||||
Subjects: | Kedokteran Matematika |
||||||||||||
Keywords: | COVID-19; citra chest x-Ray; CLAHE; GLRLM; ELM | ||||||||||||
Divisions: | Fakultas Sains dan Teknologi > Studi Matematika | ||||||||||||
Depositing User: | Fitri Mellynia Astiti | ||||||||||||
Date Deposited: | 20 May 2022 14:40 | ||||||||||||
Last Modified: | 20 May 2022 14:40 | ||||||||||||
URI: | http://digilib.uinsa.ac.id/id/eprint/52865 |
Actions (login required)
View Item |