PRAMESTIA NUR SAFITRI, - (2022) DETEKSI COVID-19 DARI SUARA NAPAS BERBASIS METODE MEL FREQUENCY CEPSTRAL COEFFICIENTS DAN K-NEAREST NEIGHBOR. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HAL JUDUL) HAL JUDUL.pdf Download (254kB)
	Text (BAB 1) BAB 1.pdf Download (57kB)
	Text (FULLTEXT) 081811733004.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Pandemi global COVID-19 yang menyerang saluran pernapasan bagian bawah telah menyebabkan banyak kematian di berbagai negara dunia. Gejala yang dirasakan jika terinfeksi adalah demam, batuk berdahak, dan sesak napas. Penularan infeksi yang sangat cepat membutuhkan penanganan yang tepat untuk mencegah angka kematian yang terus meningkat. Penelitian ini dilakukan untuk mendesain algoritma sistem deteksi COVID-19 dari sinyal suara napas dengan menggunakan metode ekstrasi fitur Mel Frequency Cepstral Coefficient (MFCC), dan klasifikasi K-Nearest Neighbor (k-NN) yang dioptimasi oleh Artificial Bee Colony (ABC). Jumlah fitur koefisien MFCC dan jumlah populasi ABC divariasi. Dengan menggunakan data suara napas dari Coswara database, data diklasifikasi menjadi COVID-19 dan non COVID-19 (healthy). Hasil yang diperoleh menunjukkan bahwa dengan fitur koefisien MFCC 13 dan 15, jumlah populasi 100 pada ABC dan jumlah tetangga terdekat (k) 35 yang digunakan dalam pengklasifikasi k-NN diperoleh akurasi terbaik 82,22%, spesifisitas 65%, sensitivitas 96%.

Actions (login required)

View Item