Performa Klasifikasi Berbasis Jarak untuk Deteksi Covid-19 Varian Delta dan Omicron Menggunakan Citra CT-Scan Paru-Paru
Abstrak
Selama pandemi Covid-19, ada dua varian Covid-19 yang populer, yakni Delta dan Omicron. Perlu adanya pendekatan non laboratorium untuk melakukan deteksi Covid-19 varian Delta dan Omicron guna mencegah resiko tinggi terpapar kedua varian tersebut. Penelitian ini mengusulkan deteksi Covid-19 varian Delta dan Omicron menggunakan citra computerized tomography scan (CT-scan) paru-paru menggunakan klasifikasi berbasis jarak. Terdapat 5 metode klasifikasi berbasis jarak yang digunakan untuk menentukan performa terbaik klasifikasi Covid-19 varian Delta dan Omicron. Performa diukur berdasarkan perbandingan akurasi, presisi dan recall tiap metode jaraknya. Metode jarak yang digunakan dalam penelitian ini adalah Euclidean, Manhattan, Minkowski, Chebyshev, dan Canberra. Dataset yang digunakan diunduh dari basis data Kaggle. Terdapat 440 total citra CT-scan paru-paru yang terbagi menjadi 220 citra Covid-19 varian Delta dan Omicron serta 220 citra non Covid-19 sebagai data latih. Sedangkan, terdapat data uji sebanyak 140 citra Covid-19 varian Delta dan Omicron serta 140 citra non Covid-19. Berdasarkan pembandingan performa klasifikasi berbasis jarak, maka disimpulkan bahwa Jarak Manhattan memiliki performa terbaik dibandingkan 4 metode jarak lainnya. Jarak Manhattan memiliki akurasi sebesar 58,57%, presisi sebesar 56,52%, serta recall dengan nilai 74,28%. Sementara itu, nilai akurasi terendah dimiliki oleh Jarak Eucliean sebesar 48,21%. Kemudian, Jarak Minkowski memiliki presisi dan recall terendah dengan nilai 48,41% dan 54,28%.
Referensi
Agustin, A. P., Fauzan, A. C., & Harliana, H. (2022). IMPLEMENTASI K-NEAREST NEIGHBOR DENGAN JARAK MINKOWSKI UNTUK DETEKSI DINI COVID-19PADA CITRA CT-SCAN PARU-PARU. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 4(1), 23–30.
Eviana, A., Fauzan, A. C., Harliana, H., & Putra, F. N. (2022). Komparasi Jarak Euclidean dan Jarak Manhattan Untuk Deteksi Covid-19 Melalui Citra CT-Scan Paru-Paru. Komputika : Jurnal Sistem Komputer, 11(2), 121–129. https://doi.org/10.34010/komputika.v11i2.5380
Fauzan, A. C., & Hikmah, K. (2022). IMPLEMENTASI ALGORITMA NAIVE BAYES DALAM ANALISIS POLARISASI OPINI MASYARAKAT TERKAIT VAKSIN COVID-19. RABIT : Jurnal Teknologi Dan Sistem Informasi Univrab, 7(2), 122–128.
Ghaderzadeh, M., Eshraghi, M. A., Asadi, F., Hosseini, A., Jafari, R., Bashash, D., & Abolghasemi, H. (2022). Efficient Framework for Detection of COVID-19 Omicron and Delta Variants Based on Two Intelligent Phases of CNN Models. Computational and Mathematical Methods in Medicine, 2022(November 2021). https://doi.org/10.1155/2022/4838009
Hikmah, K., & Fauzan, A. C. (2022). Sentiment Analysis of Vaccine Booster during Covid-19: Indonesian Netizen Perspective Based on Twitter Dataset. Jurnal Teknologi Komputer Dan SIstem Informasi, 5(2), 102–106.
Jannah, M., & Humaira, N. (2019). Implementasi Metode Euclidean Distance Untuk Ekstraksi Fitur Jarak Pada Citra Skeleton. Jurnal Ilmiah Informatika Komputer, 24(2), 134–139. https://doi.org/10.35760/ik.2019.v24i2.2368
Maknun, L., Syukur, A., Affandy, A., & Soeleman, M. A. (2022). Deteksi Dini Covid-19 Melalui Citra CT-Scan Paru-Paru Menggunakan K-Nearest Neighbor dengan Komparasi Jarak. Jurnal Indonesia Sosial Teknologi, 3(3), 461–467. https://doi.org/10.36418/jist.v3i3.397
Muslim, I., Khosuri, A., Steiven, J., Septory, I., & Pebrian, D. (2022). Pengaruh Metode Pengukuran Jarak pada Algoritma k-NN untuk Klasifikasi Kebakaran Hutan dan Lahan. Jurnal Media Informatika Budidarma, 6(April), 1174–1182. https://doi.org/10.30865/mib.v6i2.3967
Nishom, M. (2019). Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square. Jurnal Informatika: Jurnal Pengembangan IT, 4(1), 20–24. https://doi.org/10.30591/jpit.v4i1.1253
Nursofwa, R. F., Sukur, M. H., Kurniadi, B. K., & . H. (2020). Penanganan Pelayanan Kesehatan Di Masa Pandemi Covid-19 Dalam Perspektif Hukum Kesehatan. Inicio Legis, 1(1), 1–17. https://doi.org/10.21107/il.v1i1.8822
Wibowo, I. C., & Fauzan, C. (2022). Classification of Lung CT-Scan Images for Covid- 19 Detection Using Texture Feature Extraction and Naive Bayes Algorithm. The 1st Proceedings of the International Seminar on Business, Education and Science, August, 162–177.
Wolfe, M., Hughes, B., Duong, D., & Chan-herur, V. (2022). Detection of SARS-CoV-2 Variants Mu, Beta, Gamma, Lambda, Delta, Alpha, and Omicron in Wastewater Settled Solids Using Mutation-Specific Assays Is Associated with Regional Detection of Variants in Clinical Samples. Applied and Environmental Microbiology, 88(8).
Yantahin, M. (2020). Content Based Image Retrieval (CBIR) Menggunakan Jarak dan Divergensi. E-Jurnal JUSITI (Jurnal Sistem Informasi Dan Teknologi Informasi), 9(2), 188–194. https://doi.org/10.36774/jusiti.v9i2.773
