BEATA FAHRANI, - (2022) DETEKSI COVID-19 DARI SUARA NAPAS BERBASIS ALGORITMA k-NEAREST NEIGHBOR DAN ARTIFICIAL BEE COLONY. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HAL JUDUL) HAL JUDUL.pdf Download (164kB)
	Text (BAB I) BAB I.pdf Download (62kB)
	Text (FULL TEXT) 081811733013.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

"Maret 2020, Indonesia di hebohkan dengan pandemi Covid-19, yaitu suatu infeksi saluran pernapasan yang disebabkan oleh virus SARS-CoV-2 atau disebut Coronavirus Disease 2019 (COVID-19). Gejala yang ditimbulkan oleh infeksi tersebut yang paling sering dialami oleh pasien adalah demam, batuk dan sesak napas. Saat ini pemeriksaan yang ada di Indonesia adalah tes antigen, antibodi dan RT-PCR yang mana memakan banyak waktu serta biaya yang relatif mahal. Selain itu juga memicu penyebaran virus karena mengharuskan pasien untuk datang ke rumah sakit dalam melakukan pemeriksaan. Penelitian ini di desain dengan tujuan untuk mengembangkan deteksi Covid 19 yang efisien waktu dan biaya serta tidak menimbulkan kerumunan untuk menghindari penyebaran virus, yaitu dengan suara napas yang dideteksi menggunakan metode k-Nearest neighbor (k-NN) dengan nilai k yang telah dioptimasi oleh algoritma artificial bee colony dengan kategori kelas Non-Covid 19 (healthy) dan Covid 19. Sebelum dilakukan deteksi, dilakukan pre-processing data (normalisasi dan segmentasi), kemudian ekstraksi fitur dimana ciri fitur yang diambil adalah approximate entropy (ApEn), mean dan standar deviasi. Proses deteksi pada penelitian ini dilakukan dengan variasi jumlah populasi dan kombinasi fitur. Hasil pengujian pada penelitian ini menunjukkan hasil yang paling optimal, yaitu tingkat akurasi 87,10%, sensitivitas 82,14% dan spesifisitas 91,17% dengan nilai k = 9 dan jumlah populasi 100."

Actions (login required)

View Item