DETEKSI DINI COVID-19 DARI SUARA BATUK DENGAN EKSTRAKSI FITUR MFCC MENGGUNAKAN MACHINE LEARNING

Abstract

Penelitian ini membahas tentang pendeteksian dini COVID-19 dengan menggunakan klasifikasi audio batuk dan ekstraksi fitur MFCC. Pengujian dilakukan dengan menggunakan data batuk dari COVID-19 Cough Classification dataset, dengan total 28 fitur dan 1926 data. Penelitian ini terdiri dari beberapa tahapan, yaitu ekstraksi data audio menggunakan spectrogram dan MFCC, serta pengklasifikasian menggunakan tiga metode berbeda. Metode pertama menggunakan Support Vector Machine (SVM) dengan kernel linear dan RBF, diikuti oleh metode klasifikasi Random Forest, dan terakhir metode klasifikasi Naive Bayes. Hasil pengklasifikasian dievaluasi dan perbandingan dilakukan berdasarkan nilai AUC. Evaluasi menunjukkan bahwa metode Naive Bayes memperoleh nilai AUC sebesar 0.638428, sedangkan metode Random Forest memperoleh nilai AUC sebesar 0.611755. Metode Support Vector Machine dengan kernel Linear memperoleh nilai AUC sebesar 0.599854, sedangkan metode Support Vector Machine dengan kernel RBF memperoleh nilai AUC tertinggi sebesar 0.657715. Hasil penelitian ini menunjukkan bahwa metode klasifikasi terbaik adalah Support Vector Machine dengan kernel RBF.