Klasifikasi covid-19, SARS,MERS berdasarkan data citra x-ray menggunakan metode glcm dan elm

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Zahroh, Khofifah Auliyatuz (2024) Klasifikasi covid-19, SARS,MERS berdasarkan data citra x-ray menggunakan metode glcm dan elm. Undergraduate thesis, UIN Sunan Ampel.

	Text Khofifah Auliyatuz Zahroh_09020220035.pdf Download (4MB)
	Text Khofifah Auliyatuz Zahroh_09020220035_Full.pdf Restricted to Repository staff only until 26 January 2027. Download (4MB)

Abstract

Penyakit pernapasan yang diakibatkan oleh virus corona menjadi perhatian global selama beberapa dekade terakhir. Terdapat tiga penyakit yang diakibatkan oleh virus corona dan bersifat patogen diantaranya yaitu COVID-19, SARS, dan MERS. Ketiga penyakit tersebut mengalami penyebaran dengan cepat sehingga menyebabkan ribuan kematian serta jutaan kasus di dunia. Oleh karena itu, penelitian ini memiliki beberapa tujuan diantaranya yaitu untuk mengklasifikasi penyakit COVID-19, SARS, dan MERS berdasarkan data citra X-ray menggunakan Gray Level Co-occurrence Matrix (GLCM) dan Extreme Learning Machine (ELM), untuk mengetahui hasil klasifikasi ELM, serta untuk mengetahui hasil perbandingan ekstraksi fitur GLCM dengan ekstraksi fitur lainnya. Pada penelitian ini memiliki beberapa tahapan yaitu preprocessing menggunakan CLAHE dan median filter, ekstraksi fitur menggunakan GLCM, klasifikasi metode ELM dengan pembagian data menggunakan k-fold cross validation, dan evaluasi hasil menggunakan confusion matrix. Penelitian ini melakukan uji coba menggunakan beberapa parameter diantaranya yaitu arah sudut, k-fold, dan hidden node. Hasil uji coba terbaik diperoleh pada sudut 90°, k-fold 5, dan hidden node 25 dengan nilai akurasi, sensitivitas, dan spesifisitas berturut-turut sebesar 84.5238%, 84.5270%, dan 92.1839%. Selain itu, hasil perbandingan ekstraksi fitur GLCM dengan ekstraksi fitur lainnya menunjukkan bahwa GLCM menghasilkan akurasi lebih unggul jika dibandingkan dengan metode GLRLM dan HOG.

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:	Creators Email NIM Zahroh, Khofifah Auliyatuz khofifahauliya12@gmail.com 09020220035
Contributors:	Contribution Name Email NIDN Thesis advisor Novitasari, Dian Candra Rini diancrini@uinsby.ac.id 2024118502 Thesis advisor Hakim, Lutfi lutfihakimbungah@gmail.com 2025127301
Subjects:	Kecerdasan Matematika
Keywords:	COVID-19; extreme learning machine; gray level co-occurrence matrix; MERS;SARS
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Khofifah Auliyatuz Zahroh
Date Deposited:	26 Jan 2024 03:58
Last Modified:	05 Feb 2024 05:46
URI:	http://digilib.uinsa.ac.id/id/eprint/67871

Actions (login required)

View Item