Random Forest Classifier untuk Deteksi Penderita COVID-19 berbasis Citra CT Scan

Nanik Wuryani, Sarifah Agustiani

Abstract


Covid-19 merupakan virus yang menyebar dan meluas sehingga berubah menjadi suatu pandemi. Virus Covid-19 menyerang melalui organ vital manusia yaitu paru-patu, oleh karena itu peneliti lebih berfokus untuk mengidentifikasi Covid-19 pada paru-paru. Penelitian ini dilakukan dengan menggunakan citra CT Scan paru-paru dan bertujuan untuk mendeteksi ada tidaknya virus dengan cara mengklasifikasikan citra Covid-19 ke dalam tiga kelas menggunakan algoritma Random Forest serta mengkombinasikannya dengan menyertakan beberapa ekstraksi fitur yaitu Haralick, Color Histogram, dan Hu-Moments. Penelitian dimulai dengan hanya memasukkan satu fitur ke dalam percobaan, lalu mengkombinasikan dengan fitur yang lain, kemudian membandingkannya menggunakan klasifikasi oleh algoritma lain seperti K-Nearest Neighbor (KNN), Decision Tree, Linear Discriminant Analysis (LDA), Logistic Regression, Support Vector Machine (SVM), dan Naive Bayes. Hasil penelitian menunjukkan bahwa akurasi tertinggi dihasilkan oleh algoritma Random Forest dengan memasukkan fitur Haralick dan Color Histogram ke dalam proses yaitu sebesar 96,9%, diikuti oleh KNN sebesar 96,5%, Decision Tree sebesar 95,5%, dan yang paling rendah yaitu Naive Bayes sebesar 42,4%

Keywords


image processing; classification; feature extraction

Full Text:

PDF

References


Amyar, A., Modzelewski, R., & Ruan, S. (2020). Multi-task Deep Learning Based CT Imaging Analysis For COVID-19: Classification and Segmentation. Computers in Biology and Medicine. https://doi.org/10.1101/2020.04.16.20064709

Breiman, L. (2001). Random forests. Machine Learning. https://doi.org/10.1023/A:1010933404324

Devella, S., Yohannes, Y., & Rahmawati, F. N. (2020). Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi). https://doi.org/10.35957/jatisi.v7i2.289

Hernando, D., Widodo, A. W., & Dewi, C. (n.d.). Pemanfaatan Fitur Warna dan Fitur Tekstur untuk Klasifikasi Jenis Penggunaan Lahan pada Citra Drone. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN, 2548, 964X.

Htun, M. L., Han, T. T., & Hlaing, N. N. (n.d.). Content Based Image Retrieval Using Color and Texture Features. Image, 1, 2.

Hussain, C. A., Rao, D. V., & Praveen, T. (2013). Color histogram based image retrieval. Int J Adv Engg Tech/IV/III/July-Sept, 63, 66.

Li, Q., Guan, X., Wu, P., Wang, X., Zhou, L., Tong, Y., … Feng, Z. (2020). Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus–Infected Pneumonia. New England Journal of Medicine. https://doi.org/10.1056/nejmoa2001316

Ning, W., Lei, S., Yang, J., Cao, Y., Jiang, P., Yang, Q., … others. (2020). iCTCF: an integrative resource of chest computed tomography images and clinical features of patients with COVID-19 pneumonia.

Perumal, V., Narayanan, V., & Rajasekar, S. J. S. (2020). Detection of COVID-19 using CXR and CT images using Transfer Learning and Haralick features. Applied Intelligence. https://doi.org/10.1007/s10489-020-01831-z

Priyantono, M. B., Rachmawan, A. A., Budi, L. A. P., & Kirana, K. C. (2020). Sistem Prediksi Gejala Virus Korona dengan Metode Forward Chaining. JTERA (Jurnal Teknologi Rekayasa). https://doi.org/10.31544/jtera.v5.i1.2019.111-118

Simarmata, S. Y. E., Sari, Y. A., & Adinugroho, S. (2019). Klasifikasi Citra Makanan Menggunakan Algoritme Learning Vector Quantization Berdasarkan Ekstraksi Fitur Color Histogram dan Gray Level Co-occurrence Matrix. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer.

Thepade, S. D., Bang, S. V, Chaudhari, P. R., & Dindorkar, M. R. (2020). Covid19 Identification from Chest X-ray Images using Machine Learning Classifiers with GLCM Features. ELCVIA Electronic Letters on Computer Vision and Image Analysis. https://doi.org/10.5565/rev/elcvia.1277

Žunić, J., Hirota, K., & Rosin, P. L. (2010). A Hu moment invariant as a shape circularity measure. Pattern Recognition, 43(1), 47–57. https://doi.org/https://doi.org/10.1016/j.patcog.2009.06.017




DOI: https://doi.org/10.31294/jtk.v7i2.10468

Copyright (c) 2021 Nanik Wuryani, Sarifah Agustiani

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

ISSN: 2442-2436 (print), and 2550-0120


 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika Jakarta

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License