Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Fourier
Zahroh, Khofifah Auliyatuz
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Mathematics

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

Found 1 Documents
Search

 1 
Perbandingan Ekstraksi Fitur Untuk Klasifikasi COVID-19, MERS, dan SARS Menggunakan Algoritma Extreme Learning Machine Zahroh, Khofifah Auliyatuz; Dian Candra Rini Novitasari; Lutfi Hakim
Jurnal Fourier Vol. 13 No. 1 (2024)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2024.131.30-41

Abstract

Pada tahun 2019, terjadi kemunculan suatu wabah penyakit COVID-19. Wabah penyakit tersebut telah mengguncang dunia sehingga menyebabkan pandemi secara global. Selain COVID-19, terdapat dua wabah penyakit lain juga diakibatkan oleh virus corona yaitu MERS (Middle East Respiratory Syndrome) dan SARS (Severe Acute Respiratory Syndrome) yang sudah menjadi ancaman serius pada beberapa dekade terakhir. Ketiga wabah penyakit tersebut menyebabkan jutaan kasus serta ribuan orang yang meninggal di seluruh dunia. Berdasarkan permasalahan tersebut, perlu adanya penelitian yang dilakukan untuk klasifikasi penyakit COVID-19, MERS, dan SARS berdasarkan hasil pemeriksaan X-ray menggunakan perbandingan ekstraksi fitur GLCM (Gray Level Co-occurrence Matrix) dan GLDM (Gray Level Difference Matrix) serta klasifikasi ELM (Extreme Learning Machine). Pada penelitian ini menggunakan beberapa parameter uji coba diantaranya yaitu arah sudut, jumlah pada k-fold, serta jumlah hidden node. Hasil terbaik pada penelitian ini diperoleh menggunakan metode ekstraksi fitur GLDM dengan uji coba pada sudut , k-fold 10, serta hidden node 25 yang menghasilkan akurasi, sensitivitas, dan spesifisitas masing-masing sebesar 100% dengan waktu yang dibutuhkan yaitu 0.00042 detik. Sehingga, dapat disimpulkan bahwa hasil ekstraksi fitur GLDM lebih unggul daripada ekstraksi fitur GLCM.
Co-Authors Lutfi Hakim Sari, Dian Candra Rini Novita