Identifikasi COVID-19 Berdasarkan Citra X-Ray Paru-Paru Menggunakan Metode Local Binary Pattern Dan Random Forest
DOI:
https://doi.org/10.34818/eoe.v9i6.18948Abstrak
Abstrak—Covid-19 merupakan fenomena yang tidak bisa dilupakan oleh dunia. Pada akhir tahun 2019 tepatnya di Wuhan, China virus Severe Acute Respiratory Syndrome Coronavirus-2 (SarsCov-2) ditemukan dan berkembang, hingga World Health Organization (WHO) menetapkan Covid-19 sebagai pandemi pada tanggal 9 Maret 2020. Pesatnya perkembangan dan penularan virus ini sempat membuat kewalahan. Salah satu cara untuk mengetahui seseorang positif Covid-19 dengan melihat hasil X-Ray paru parunya. Hasil X-Ray akan dianalisis untuk mengetahui keadaan paru-paru seseorang. Dalam Tugas Akhir ini, metode yang digunakan terdiri dari metode ekstraksi ciri yaitu menggunakan Local Binary Pattern (LBP) dan metode klasifikasi menggunakan Random Forest. Penelitian ini menggunakan data latih dan data uji berupa citra XRay paru-paru yang dibedakan menjadi tiga kelas diantaranya paru-paru normal, positif Covid-19, dan Pneumonia. Berdasarkan hasil pengujian yang telah dilakukan menggunakan 1.200 citra yang terbagi menjadi 900 data latih dan 300 data uji, sistem dapat mengidentifikasi Covid-19 berdasarkan citra X-Ray paru-paru dan mengklasifikasikannya kedalam tiga kelas. Hasil akurasi tertinggi yang didapatkan yaitu 85,67% dengan menggunakan variasi resize citra= 200x200 piksel, radius ekstraksi ciri LBP= 8, dan jumlah pohon pada klasifikasi Random Forest= 200. Kata kunci—Covid-19, X-Ray, LBP (Local Binary Pattern), random forest.Unduhan
Referensi
[1] Satuan Tugas Penanganan COVID-19, "Tanya Jawab Covid-19," [Online]. Available: https://covid19.go.id. [Accessed 25 Oktober 2021].
[2] PT. SehatQ Harsana Emedika, "SehatQ," [Online]. Available: www.sehatq.com/artikel/ini-gambar-paru-pasien-corona-tanda-parahnya-infeksi-covid-19. [Accessed 23 October 2021].
[3] D. S. Wahyudi, Sistem Deteksi Covid-19 Berdasarkan Citra X-Ray Menggunakan Metode Gray Level Co-Occurence Matrix (GLCM) dan K-Nearest Neighbour (K-NN), Bandung: Universitas Telkom, S1 Teknik Telekomunikasi, 2020.
[4] A. Elisabet, Deteksi Kolesterol Melalui Citra Iris Mata Menggunakan Metode Local Binary Pattern dan Klasifikasi Jaringan Syaraf Tiruan, Bandung: Universitas Telkom, S1 Teknik Telekomunikasi, 2020.
[5] B. D. Prasetyo, Klasifikasi Citra X-Ray Paru-paru Anak Pneumonia dan Non Pneumonia Menggunakan Metode Segmentasi dan Deteksi Tepi, Yogyakarta: Universitas Islam Indonesia, 2020.
[6] S. A. I. S. Putro, J. Raharjo and S. Rizal, "Klasifikasi Bobot Sapi Berdasarkan Citra Digital Dengan Metode Fraktal dan Random Forest," e-Proceeding of Engineering, vol. 8, no. 2, April 2021.
[7] S. Davella, Yohannes and F. N. Rahmawati, "Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT," Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 2, pp. 310-320, Agustus 2020.
[8] Kementerian Kesehatan RI; Direktorat Jendral Pencegahan dan Pengendalian Penyakit, "Pedoman Pencegahan dan Pengendalian Coronavirus Disease (COVID-19)," Maret 2020. [Online]. Available: https://infeksiemerging.kemkes.go.id [Accessed 24 November 2021].
[9] M. R. Akbar, Klasifikasi Biji Kopi Sangrai Menggunakan Pengolahan Citra Dengan Metode LBP dan Klasifikasi KNN, Bandung: Universitas Telkom, S1 Teknik Telekomunikasi, 2020.
[10] JavaTpoint, "Random Forest Algorithm," [Online]. Available: https://www.javatpoint.com/machine-learning-random-forest-algorithm. [Accessed 28 November 2021].
[11] A. P. Utami, F. Sthevanie, and K. N. Ramadhani, “Pengenalan Logo Kendaraan Menggunakan Metode Local Binary Pattern dan Random Forest,” 2020.
[12] S.Y. Irianto, Analisa Citra Digital dan Content Based Image Retrieval, Bandar Lampung: CV. Anugrah Utama Raharja (AURA), 2018.



