Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN)
, Iwan I Tritosmoro
Universitas Telkom
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Mechanical Engineering Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
IDENTIFIKASI COVID-19 BERDASARKAN CITRA X-RAY PARU-PARU MENGGUNAKAN METODE LOCAL BINARY PATTERN DAN RANDOM FOREST Afifah Suaib; , Iwan I Tritosmoro
Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 2 No. 2 (2023): Jurnal Sistem Informasi dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/justikpen.v2i2.40

Abstract

Penelitian ini bertujuan untuk membandingkan performa metode Local Binary Pattern (LBP) dan Random Forest dalam identifikasi COVID-19 pada citra X-ray paru-paru. Metode LBP digunakan untuk mengekstraksi fitur dari citra X-ray paru-paru, sedangkan Random Forest digunakan sebagai algoritma klasifikasi untuk memprediksi apakah citra tersebut termasuk dalam kategori COVID-19 atau non-COVID-19. Data yang digunakan dalam penelitian ini adalah dataset citra X-ray paru-paru yang diperoleh dari Kaggle. Dataset ini terdiri dari 1000 citra X-ray paru-paru yang terdiri dari 500 citra COVID-19 dan 500 citra non-COVID-19. Pengolahan data dilakukan dengan melakukan ekstraksi fitur menggunakan metode LBP dan melakukan klasifikasi dengan menggunakan algoritma Random Forest. Selain itu, dilakukan juga perbandingan performa antara metode LBP dan Random Forest dalam mengklasifikasikan citra X-ray paru-paru Hasil penelitian menunjukkan bahwa penggunaan metode LBP dan Random Forest dapat menghasilkan performa yang cukup baik dalam identifikasi COVID-19 pada citra X-ray paru-paru. Namun, secara umum, Random Forest menunjukkan performa yang lebih baik dibandingkan dengan metode LBP dengan akurasi sebesar 94,5% dibandingkan dengan 91,9%. Dalam hal ini, Random Forest dapat dijadikan pilihan yang lebih baik dalam identifikasi COVID-19 pada citra X-ray paru-paru. Dapat disimpulkan bahwa perbandingan performa antara metode LBP dan Random Forest dapat memberikan hasil yang bermanfaat dalam memilih metode terbaik dalam identifikasi COVID-19 pada citra X-ray paru-paru. Penelitian ini dapat memberikan kontribusi dalam pengembangan teknologi di bidang kesehatan, khususnya dalam mendeteksi COVID-19 secara cepat dan akurat menggunakan citra X-ray paru-paru
Co-Authors Afifah Suaib