Implementasi Ekstraksi Fitur GLCM Dengan Klasifikasi Algoritma C5.0 Pada Data Computerized Tomography Scan Covid-19

Abstract

Teknologi pencitraan digital telah banyak digunakan dalam bidang medis dalam diagnosis data citra biologis untuk memandu dokter untuk mengetahui kondisi pasien. Salah satu teknik pencitraan medis yang dapat menggambarkan kondisi di dalam tubuh manusia adalah Computed Tomography (CT). Penelitian ini menggunakan dataset citra CT scan dada berjumlah 625 data CT. Proses indetifikasi data citra CT scan ini dapat di identifikasikan berdasarkan warna, tekstur, dan juga ciri lainnya. Beberapa paper telah menunjukkan penelitian dengan menggunakan berbagai metode, diantaranya menggunakan ektraksi fitur. Ekstraksi fitur merupakan proses untuk menemukan pemetaan dari fitur-fitur asli ke dalam fitur- fitur baru yang diharapkan dapat menghasilkan keterpisahan kelas secara lebih baik. Ekstraksi fitur yang digunakan adalah GLCM (Gray Level Co-Occurrence Matrix). GLCM adalah suatu metode yang digunakan untuk analisis tekstur/ekstraksi ciri. GLCM merupakan suatu matriks yang menggambarkan frekuensi munculnya pasangan dua piksel dengan intensitas tertentu dalam jarak dan arah tertentu dalam citra. Dalam GLCM Jarak direpresentasikan sebagai piksel sedangkan orientasi direpresentasikan dalam derajat. Orientasi terbentuk dari empat arah sudut dengan interval 0°, 45°, 90°, dan 135°. Sedangkan jarak antar piksel biasanya ditetapkan sebesar 1 piksel. Setelah dilakukan ektraksi fitur akan dilakukan klasifikasi dengan menggunakan metode algoritma C5.0 Hasil akurasi dari metode klasifikasi C5.0 menggunakan ektraksi fitur GLCM mendapatkan hasil akurasi sebesar 87% pada sudut 90°, 84% pada sudut 45°, 83% pada sudut 135°, dan 82% pada sudut 0°.