<![CDATA[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]]>
Copyrights © 2023
