Sistem Deteksi Covid-19 Berdasarkan Citra X-ray Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan K-nearest Neighbour (k-nn)

Abstract

Abstrak Coronavirus Disease (COVID-19) yang disebabkan oleh virus Severe Acute Respiratory Syndrome Coronavirus2 (SARS-CoV-2) adalah coronavirus jenis baru. COVID-19 memiliki tingkat penularan yang tinggi dan mampu menjadi pandemik dalam kurun waktu yang singkat. Proses penanganan yang lamban akan mengakibatkan komplikasi hingga kematian. Diagnosis dari COVID-19 dapat dilakukan melalui screening test. Pada umumnya deteksi COVID-19 menggunakan real-time reverse transcription-polymerase chain reaction (rRT-PCR). Pada Tugas Akhir ini digunakan data latih dan data uji berupa citra digital Chest X-Ray (CXR) untuk kondisi normal, pneumonia dan positif COVID-19, Gray-Level Co-occurrence Matrix (GLCM), serta K-Nearest Neighbor (KNN). Dari hasil pengujian, sistem mampu melakukan deteksi covid-19 melalui citra X-Ray dengan tingkat nilai akurasi mencapai 85,6%. Akurasi tersebut diupayakan melalui pengujian 180 citra sebagai pengoptimalan sistem yang menggunakan metode GLCM dan KNN untuk pengolahan citra di dalamnya. Dengan pengujian terhadap parameter pada GLCM seperti jarak (ð‘‘), sudut (ðœƒ) dan ciri statistik orde dua (energy, contrast, correlation, variance, homogeneity dan entropy) serta paramerter pada nilai k (1,3,5 dan 7) dan persamaan jarak (Euclidean, City-Block, Chebychef, Minkowski) pada tahap klasifikasi KNN menjadi dasar pengujian dari performa sistem. Kata kunci : COVID-19, Gray-Level Co-Occurrence Matrix, K-Nearest Neighbour. Abstract Coronavirus Disease (COVID-19) yang disebabkan oleh virus Severe Acute Respiratory Syndrome Coronavirus2 (SARS-CoV-2) adalah coronavirus jenis baru. COVID-19 memiliki tingkat penularan yang tinggi dan mampu menjadi pandemik dalam kurun waktu yang singkat. Proses penanganan yang lamban akan mengakibatkan komplikasi hingga kematian. Diagnosis dari COVID-19 dapat dilakukan melalui screening test. Pada umumnya deteksi COVID-19 menggunakan real-time reverse transcription-polymerase chain reaction (rRT-PCR). Pada Tugas Akhir ini digunakan data latih dan data uji berupa citra digital Chest X-Ray (CXR) untuk kondisi normal, pneumonia dan positif COVID-19, Gray-Level Co-occurrence Matrix (GLCM), serta K-Nearest Neighbor (KNN). Dari hasil pengujian, sistem mampu melakukan deteksi covid-19 melalui citra X-Ray dengan tingkat nilai akurasi mencapai 85,6%. Akurasi tersebut diupayakan melalui pengujian 180 citra sebagai pengoptimalan sistem yang menggunakan metode GLCM dan KNN untuk pengolahan citra di dalamnya. Dengan pengujian terhadap parameter pada GLCM seperti jarak (ð‘‘), sudut (ðœƒ) dan ciri statistik orde dua (energy, contrast, correlation, variance, homogeneity dan entropy) serta paramerter pada nilai k (1,3,5 dan 7) dan persamaan jarak (Euclidean, City-Block, Chebychef, Minkowski) pada tahap klasifikasi KNN menjadi dasar pengujian dari performa sistem. Keywords: COVID-19, Gray-Level Co-Occurrence Matrix, K-Nearest Neighbour.