HESTI FRIDA LUCYANA, - (2022) DETEKSI COVID-19 DARI SUARA NAPAS BERBASIS METODE EXTREME LEARNING MACHINE DAN MEL FREQUENCY CEPSTRAL COEFFICIENTS. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HAL JUDUL) HAL JUDUL.pdf Download (243kB)
	Text (BAB I) BAB I.pdf Download (69kB)
	Text (FULL TEXT) FULL TEXT.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

COVID- 19 merupakan nama penyakit yang disebabkan oleh virus corona baru (SARS-CoV-2). Seseorang yang terinfeksi oleh virus SARS-Cov-2 akan mengalami banyak gejala yaitu demam, batuk, myalgia, kelelahan, sementara diare dan sesak napas ditemukan sebagai gejala yang tidak biasa. Untuk mendiagnosis seseorang terinfeksi virus COVID-19 dapat dilakukan dengan pemeriksaan mengggunakan tes PCR, antigen, antibodi, dan CT Scan. Hal ini membutuhkan waktu yang lama, biaya yang tergolong tinggi, dan melanggar jarak sosial saat pelaksanaan tes. Penelitian ini mendesain sebuah sistem yang dapat mengklasifikasikan COVID-19 dari suara napas dengan menggunakan metode Extreme Machine Learning (ELM) yang digabungkan dengan metode optimasi Artificial Bee Colony (ABC). Sebelum melakukan pengklasifikasian, dilakukan proses segmentasi dengan mengambil satu cycle pernapasan dari inspirasi hingga ekspirasi. Selanjutnya dilakukan ekstraksi ciri/fitur menggunakan metode Mel Frequency Cepstral Coefficient (MFCC) untuk menghasilkan Cepstral Coefficient sebagai fiturnya. Kemudian akan dilihat kinerja terbaik dari masing-masing coefficient cepstralnya. Hasil dengan kinerja terbaik pada coefficient cepstral 13 dengan jumlah populasi 10 dan jumlah neuron di hidden layer sebesar 29 didapatkan akurasi training dan testing sebesar 88.85% dan 88.89% , spesifisitas sebesar 93.60% dan 100%, sensitivitas sebesar 100% dan 50%. Kata kunci : COVID -19, Extreme Machine Learning (ELM), Artificial Bee Colony (ABC), Frequency Cepstral Coefficient (MFCC)"

Actions (login required)

View Item