Deteksi Covid-19 Berdasarkan Data Citra X-ray Menggunakan Metode GLCM dan SVM

Abstract

Klasifikasi COVID-19 menggunakan data citra X-Ray memiliki keunggulan antara lain harga yang terjangkau dan nilai sensitivitas yang tinggi dibandingkan dengan tes PCR, Swab, Antigen, dan Genose. Oleh karena itu, penelitian ini memiliki tujuan untuk mengklasifikasikan penyakit COVID-19 berdasarkan data citra X-Ray, dalam hal ini menggunakan metode SVM dengan dua kelas yaitu COVID-19 dan Normal. Penggunaan data dipartisi menggunakan k-fold untuk data training dan data testing. Algoritma GLCM yang berorietasi terhadap sudut 0°,45°,90°, dan 135° guna untuk mengekstraksi data citra X-Ray. Karena SVM berbasis kernel, pengujian yang dilakukan menggunakan tiga jenis percobaan kernel pada SVM dan menyimpulkan bahwa kernel polinomial dapat mengidentifikasi dengan baik dibandingkan dengan kernel linier dan RBF. Hasil terbaik diperoleh dari uji coba menggunakan kernel polynomial dengan GLCM pada sudut 45° dan 90°. Dimana hasil sensitivitas, akurasi dan spesifisitas yang diperoleh memiliki nilai yang sama yaitu masing-masing 96,60%. Sistem ini memiliki error sebesar 3,4%. Dimana terdapat satu data COVID-19 terdeteksi Normal dan satu data Normal terdeteksi COVID-19. Karena nilai akurasi melebihi 90,00%, maka disimpulkan bahwa sistem yang dibangun baik dalam mendeteksi penyakit COVID-19 dengan baik.