Teknika
Vol 10 No 2 (2021): Juli 2021

Analisis Perbandingan Algoritma Klasifikasi Citra Chest X-ray Untuk Deteksi Covid-19

Mohammad Farid Naufal (Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur)
Selvia Ferdiana Kusuma (Manajemen Informatika, PSDKU Politeknik Negeri Malang, Kediri, Jawa Timur)
Kevin Christian Tanus (Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur)
Raynaldy Valentino Sukiwun (Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur)
Joseph Kristiano (Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur)
Jeremy Owen Lieyanto (Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur)
Daniel Cristianindra R. (Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur)



Article Info

Publish Date
30 Jun 2021

Abstract

Kondisi pandemi global Covid-19 yang muncul diakhir tahun 2019 telah menjadi permasalahan utama seluruh negara di dunia. Covid-19 merupakan virus yang menyerang organ paru-paru dan dapat mengakibatkan kematian. Pasien Covid-19 banyak yang telah dirawat di rumah sakit sehingga terdapat data citra chest X-ray paru-paru pasien yang terjangkit Covid-19. Saat ini sudah banyak peneltian yang melakukan klasifikasi citra chest X-ray menggunakan Convolutional Neural Network (CNN) untuk membedakan paru-paru sehat, terinfeksi covid-19, dan penyakit paru-paru lainnya, namun belum ada penelitian yang mencoba membandingkan performa algoritma CNN dan machine learning klasik seperti Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN) untuk mengetahui gap performa dan waktu eksekusi yang dibutuhkan. Penelitian ini bertujuan untuk membandingkan performa dan waktu eksekusi algoritma klasifikasi K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan CNN untuk mendeteksi Covid-19 berdasarkan citra chest X-Ray. Berdasarkan hasil pengujian menggunakan 5 Cross Validation, CNN merupakan algoritma yang memiliki rata-rata performa terbaik yaitu akurasi 0,9591, precision 0,9592, recall 0,9591, dan F1 Score 0,959 dengan waktu eksekusi rata-rata sebesar 3102,562 detik.

Copyrights © 2021






Journal Info

Abbrev

teknika

Publisher

Subject

Computer Science & IT Electrical & Electronics Engineering Engineering

Description

Teknika is a peer-reviewed journal dedicated to disseminate research articles in Information and Communication Technology (ICT) area. Researchers, lecturers, students, or practitioners are welcomed to submit paper which has topic below: Computer Networks Computer Security Artificial Intelligence ...