KLASIFIKASI K-NEAREST NEIGHBOR CHEST X-RAY PASIEN COVID-19 DENGAN HARALICK FEATURES DAN HISTOGRAM OF ORIENTED GRADIENT

Authors

  • Christian Adi Nugroho Program Studi Matematika, FMIPA, Universitas Negeri Surabaya

DOI:

https://doi.org/10.26740/mathunesa.v9n1.p188-195

Abstract

Pandemi Covid-19 memiliki dampak serius pada kehidupan masyarakat. Salah satu langkah penting untuk mengatasi pandemi ini terletak pada kemampuan tenaga medis untuk mengidentifikasi pasien yang terinfeksi Covid-19 secara dini. Kemudian segera lakukan prosedur pengobatan dan isolasi pasien. Mendeteksi Covid-19 dari radiograph pasien mungkin menjadi salah satu cara tercepat untuk mengidentifikasi pasien Covid-19, yang didukung oleh penelitian sebelumnya yang menunjukkan gejala abnormal pada radiograph dada pasien Covid-19. Untuk mendeteksi pasien Covid-19 dari rontgen dada (CXR) yang terinspirasi dari penelitian sebelumnya yang menggunakan Artificial Intelligence, aplikasi classifier Machine Learning k-Nearest Neighbor telah dipelajari untuk hal yang sama. 1000 CXR diperoleh dari posisi Anterior-Posterior berlabel dari dataset COVID-Xray-5k, kemudian dipartisi dengan random sampling, 80% untuk training set dan sisanya untuk test set. Citra CXR yang ada dikonversi menjadi citra grayscale dimana diperoleh 149 fitur; 5 fitur adalah Haralick Features dan 144 fitur berasal dari Histogram of Oriented Gradient. Hasil klasifikasi dengan nilai estimasi k, dengan k = 10 mencapai akurasi rata-rata di atas 90% untuk jarak atau metric Euclid, Mahalanobis, Cosine, dan Cityblock. Oleh karena CXR pasien Covid-19 yang tersedia untuk umum terbatas, diperlukan penelitian terhadap dataset yang memiliki jumlah CXR pasien Covid-19 lebih banyak untuk menguji keakuratan classifier.

Downloads

Download data is not yet available.

Downloads

Published

2021-01-29

Issue

Section

Articles
Abstract views: 344 , PDF Downloads: 477