461
Jurnal Indonesia Sosial Teknologi:p–ISSN: 2723 - 6609
e-ISSN :2745-5254
Vol. 3, No., 3 Maret 2022
DETEKSI DINI COVID-19 MELALUI CITRA CT-SCAN PARU-PARU
MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN KOMPARASI JARAK
Lu'luul Maknun
1
, Abdul Syukur
2
, Affandy
3
dan Moch Arief Soeleman
4
Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang, Indonesia
1,2,3 dan 4
Email: [email protected]
1
2
,
3
4
Abstrak
Covid -19 yang telah mewabah dan menjadi pandemik secara global yang merupakan masalah
utama yang perlu di perhatikan dan di tangani, beberapa cara yang harus di lakukan adalah dengan
memutus mata rantai penyebaran virus salah satunya dengan melakukan deteksi dini dan
melakukan karantina, dengan CT scan paru-paru. CT scan paru-paru dapat dijadikan jalan
alternatif. Berdasarkan permasalahan di atas maka peneliti mengetahui kondisi paru-paru secara
detail dan dalam mendiagnosis virus secara dini. Pada penelitian ini pendekatan yang di ajukan
menggunakan metode K-NN dengan perhitungan jarak euclidean distance, manhattan distance,
miskowski distance untuk deteksi dini Covid -19 melalui citra CT scan paru-paru yang di duga
terinfeksi Covid -19 . dalam mendeteksi secara dini evaluasi yang di gunakan untuk mengetahui
pervorma yang di usulkan menggunakan coufusion matrix dengan hasil eksperimen menunjukkan
hasil dari tiga perhitungan jarak menunjukkan hasil akurasi yang baik dan menggunakan dataset
secara publik yaitu euclidean distance berjumlah 83%, Manhattan distance berjumlah 87%,
Minkowski berjumlah 76%, di harapkan metode ini dapat di gunakan dan di kembangkan untuk
melengkapi dioglosa medis.
Keywords: Covid-19; CT Scan; K-N; Euclidean Distance; Manhattan Distance; Miskowski
Distance
Abstract
Covid -19 which has become an epidemic and has become a global pandemic which is the main
problem that needs to be considered and handled, several ways that must be done are to break
the chain of virus spread, one of which is by conducting early detection and quarantine, with a
CT scan of the lungs. -lungs. CT scan of the lungs can be used as an alternative route. Based on
the problems above, researchers know the condition of the lungs in detail and in diagnosing the
virus early. In this study, the proposed approach uses the K-NN method with the calculation of
the Euclidean distance, Manhattan distance, and Miskowski distance for early detection of Covid-
19 through CT scan images of lungs suspected of being infected with Covid-19. in detecting early
the evaluation used to determine the proposed performance using a coufusion matrix with
experimental results showing the results of three distance calculations show good accuracy
results and using a public dataset, namely the Euclidean distance of 83%, Manhattan distance of
87%, Minkowski amounting to 76%, it is hoped that this method can be used and developed to
complete medical diagnosis.
Keywords: Covid-19; CT Scan; K-N; Euclidean Distance; Manhattan Distance; Miskowski
Distance
Deteksi Dini Covid-19 Melalui Citra CT-Scan Paru-Paru Menggunakan K-Nearest
Neighbor dengan Komparasi Jarak
Jurnal Indonesia Sosial Teknologi, Vol. 3, No. 3, Maret 2022 462
Pendahuluan
Coronavirus Disease 2019 yang merupakan singkatan dari Covid-19 (Saputra, Arsyi,
Nurhanifah, Octavia, & Pratomo, 2020). Jenis virus yang bersifat penyakit yang sangat menular
seperti influenza yang disebabkan oleh Severe Acute Syndrome Coronavirus 2 (SARS-Cov-2)
(Haifa & MIA, 2020)dimana istilah Covid-19 pada tanggal 11 Februari 2020 telah di resmikan
oleh World Health Organization (WHO) (Amin, Pinilih, & Astuti, 2021), gejala infeksi virus
pada umumnya di kaitkan dengan infeksi saluran pernafasan (Fong, 2021) dan mempunyai gejala
seperti demam, sakit kepala, sesak dan batuk (Abdillah, 2020) Covid -19 adalah jenis penyakit
yang memiliki risiko penularan secara langsung ataupun tidak langsung (Hoesea, 2014) dan di
sebabkan oleh jamur, parasit, bakteri, mikroorganisme (Syauqi, 2017) dan Covid-19 dapat di
cegah dengan vaksinasi serta dengan pola hidup yang sehat (Suharmanto, 2020).
Menurut (Yanti & Hayatun, 2020) beberapa teknologi pencitraan medis, ada 3 metode
dalam mendiagnosis Covid -19 di antara dengan melakukan tes darah, dengan sinar X, dan
pemindahan computer yaitu (CT), CT merupakan teknologi yang non invasik, dan di anggap
akurat dalam deteksi yang canggih, karakterisasi dan prositas internal. Berdasarkan permasalahan
di atas maka harapan penelitian ini dapat membantua para medis dalam mendiagnosis pasien
Covid-19 secara dini melalui gambar CT scan paru-paru.
Informasi mining merupakan ekstraksi data ataupun pola yang berarti ataupun menarik dari
informasi yang terdapat di database yang besar (Eska, 2018). Informasi mining ialah bagian dari
tahapan proses Knowledge in Database (KDD). Dengan informasi mining, kita bisa
melaksanakan pengklasifikasian, memprediksi, memperkirakan serta memperoleh data lain
yang berguna dari kumpulan informasi dalam jumlah yang besar (Mardi, 2017).
Pengelohahan citra merupakan cara dari barbagai modifikasi dan memanipulasi berbagai
teknik. Pengelolahan citran sangatlah penting sebagai dasar di berbagai aplikasi yang nyata seperti
penginderaan jarak jauh, pengenalan pola, dan machine vision dan pengelolahan sangat berperan
dalam memiahkan latar belkangh dari objek secara otomatis (Kadir & Susanto, 2013).
Algoritma K-Nearest Neighbor (K-NN)
Classifier merupakan suatu tata cara buat melaksanakan klasifikasi terhadap objek
bersumber pada informasi pendidikan yang jaraknya sangat dekat dengan objek tersebut.
Informasi pendidikan diproyeksikan ke ruang berukuran banyak, yang setiap ukuran
merepresentasikan fitur dari informasi. Ruang ukuran dipecah jadi bagian- bagian bersumber pada
klasifikasi informasi pendidikan. Nilai k yang terbaik buat algoritma ini bergantung pada
informasi, secara universal nilai k yang besar hendak kurangi dampak noise pada klasifikasi,
hendak namun membuat batas antara tiap klasifikasi jadi lebih buram. Nilai k yang bagus bisa
diseleksi dengan optimis parameter, misalnya dengan memakai cross-validation. Permasalahan
spesial buat klasifikasi diprediksikan bersumber pada informasi pendidikan yang sangat dekat
(dengan kata lain, k= 1) yang umumnya diucap algoritma nearest neighbor (Wijaya, Irsyad, &
Widhiarso, 2020) Tata cara Euclidean Distance ialah penghitungan jarak pada algoritma KNN yang
sangat banyak digunakan oleh peneliti.
Rumus Euclidean Distance:
n = √∑ (xi − yi)2
i=1
Dengan
a) d (x,y) = jarak antara x dan y
b) xi = Data testing ke-i
c) yi = data training ke- i
d) n = dimensi data
Ct-Scant
CT- scan paru- paru akan bisa menolong penegakan penaksiran Covid-19 dan juga bagikan
cerminan CT-scan pada pasien- pengidap Covid-19 (Restuningdyah & Amalia, 2020)
Komparasi Jarak
Koordinat yang universal digunakan dalam membetulkan posisi dalam peta yakni latitude
serta longitude yakni garis yang melintang Yusup Miftahuddin, dkk Tekno Insentif- 71 diantara
Lu'luul Maknun
1
, Abdul Syukur
2
, Affandy
3
dan Moch Arief Soeleman
4
463 Jurnal Indonesia Sosial Teknologi, Vol. 3, No. 3, Maret 2022
Dataset
didapat
Pengumpul
kutub utara serta selatan yang menghubungkan sisi timur serta barat bagian bumi (khatulistiwa).
Sebaliknya Longitude yaitu garis yang menghubungkan antara sisi utara serta sisi selatan bumi
(kutub) dalam matematika euclidean distance digunakan buat mengukur 2 titik dalam satu ukuran
yang membagikan hasil semacam perhitungan Pythagoras (Miftahuddin, Umaroh, & Karim, 2020).
Minkowski distance adalah metrik dalam suatu vector yang di anggapa sebagai generasi dari
Euclidean distance dan Manhattan distance. Manhattan distance ialah perhitungan yang
membedakan secara absolut (mutlak) antara sepasang kordinat objek. Euclidean distance ialah
perhitungan buat mengukur 2 jarak titik dari eunclidean ruang di antara 2 sudut
Metode Penelitian
Desain sistem yang akan dibangun di dalam penyusunan tesis ini. Desain sistem secara
umum mengenai kontribusi penelitian deteksi fraud dapat dilihat pada:
Gambar 1. Tahapan Penelitian.
Data citra scan paru-paru.
Refrensi dari jurnal internasional yang sudah melakukan penelitian sebelumnya pada
pasien melalui CT Scan paru-paru 50 Covid-19, 50 non Covid-19.
Mulai
Identifikasi
Jurnal Dan
buku
Studi
Rancangan
Implementasi
Selesai
Pengujian
Deteksi Dini Covid-19 Melalui Citra CT-Scan Paru-Paru Menggunakan K-Nearest
Neighbor dengan Komparasi Jarak
Jurnal Indonesia Sosial Teknologi, Vol. 3, No. 3, Maret 2022 464
Gambar 2. Data Citra Scan Paru-Paru.
Hasil dan Pembahasan
Berdasarkan perhitungan jarak eucludean distance, manhattan distance, miskowski
distance yang di gunakan untuk menghitung jarak terdekat antara data citra covid-19 positif dan
data citra covid-19 negatif terlihat pada table 4.4 dengan menghitung persamaan sehingga
memperoleh hasil sebagai berikut
Gambar 3. Jarak Data Uji dengan Citra Covid-19.
Gambar 4. Jarak Data Uji dengan Citra Non Covid-19.
Metode yang akan di gunakan pada penentuan klasifikasi kelas dari citra CT Scan paru-
paru bertujuan untuk mengetahui jenis kelasnya, dalam penentuan kelas ada dua jenis kelas
klasifikasi covid 19 dan non covid 19, dan hasil dari eucledean distance, manhattan distance,
minkowski distance pada table 4.3 dengan 4.4, yang di gabung kemudian dalam menentukan nilai
tetangga terdekat, dalam rangking di nyatakan tingkat kesamaanya dalam penelitian ini k=3
Data
Latih
Hasil Perhitungan Jarak
Eucledoan, Manhattan,
Miskowski
Covid -19
8.660254037844387
0.0
0.0
Covid -19
1.7320508075688772
3.0
3.0
Covid -19
10.392304845413264
15.0
15.0
Covid -19
20.784609690826528
18.0
18.0
Covid -19
8.660254037844387
36.0
36.0
Data
Latih
Hasil Perhitungan Jarak
Eucledoan, Manhattan,
Miskowski
Covid -19
8.660254037844387
0.0
0.0
Covid -19
1.7320508075688772
3.0
3.0
Covid -19
10.392304845413264
15.0
15.0
Covid -19
20.784609690826528
18.0
18.0
Covid -19
8.660254037844387
36.0
36.0
Lu'luul Maknun
1
, Abdul Syukur
2
, Affandy
3
dan Moch Arief Soeleman
4
465 Jurnal Indonesia Sosial Teknologi, Vol. 3, No. 3, Maret 2022
menjadi rangking tiga terdekat atau terkecil jadi semakin dengan kesamaan yang semakin dekat,
maka jumlah jumlah rata-rata menentukan jenis kelasnya, hasil rangking perhitungan jarak
eucledean distance, manhattan distance, minkowski distance pada gambar 3, gambar 4.
Pada sub bab analisa yang di hasilkan ini telah menjelaskan tentang hasil dari metode yang
telah diusulkan dan hasil dari analisa akan diperlihatkan secara tertulis dari seluruh hasil dari
proses implementasi uji coba beserta analisanya. Pada penelitian ini menggunakan Confusion
Matrix untuk mengevaluasi sisten, bentuk dari Confusion Matrix di mana yang berupa table
matrix dengan menggunakan kinerja model klasifikasi dengan kombinasi 4 nilai prediksi yaitu
True Positif (TF), False Positif (FP), True Negatif (TN), False Negatif (FN)
Dengan table Confusion Matrix dengan menghasilkan nilai Accuracy,precision, dan Recall
Confusion Matrix
Gambar 5. Confusion Matrix Kalsifikasi.
Hasil dari klasifikasi pada data uji Confusion Matrix yang telah di peroleh yaitu False
Negatif (FN) dengan nilai 0, False Positif (FT) dengan nilai 1, True Negatif dengan nilai 2, True
Positif (TP) dengan nilai 2. Berdasarkan klasifikasi Confusion Matrix K-NN di tunjukkan pada
Gambar 7.
2
1
0
2
Gambar 7. Confusion Matrix Klasifikasi K-NN.
Gambar 8. Evaluasi Kerja Sistem.
Deteksi Dini Covid-19 Melalui Citra CT-Scan Paru-Paru Menggunakan K-Nearest
Neighbor dengan Komparasi Jarak
Jurnal Indonesia Sosial Teknologi, Vol. 3, No. 3, Maret 2022 466
Gambar 9. Hasil Uji Coba Klasifikasi Sistem.
Kesimpulan
Berdasarkan penelitian, kesimpulan ini setelah melakukan eksperimen “Deteksi Covid-19
Menggunakan KNN dengan Komparasi Jarak” dengan kategori jarak eucledean distance,
manhattan distance, minkowsi distance dengan menggunakan extraksi fitur RGB pada meode
KNN dengan nilai ranking K=3, mengahasilkan nilai akurasi eucledean distance berjumlah 83%,
manhattan distance berjumlah 87% dan manhattan distance berjumlah 76%.
Lu'luul Maknun
1
, Abdul Syukur
2
, Affandy
3
dan Moch Arief Soeleman
4
467 Jurnal Indonesia Sosial Teknologi, Vol. 3, No. 3, Maret 2022
Bibliografi
Abdillah, Leon. (2020). Stigma Terhadap Orang Positif COVID-19 (Stigma on Positive
People COVID-19). Pandemik COVID-19: Antara Persoalan Dan Refleksi Di
Indonesia, Forthcoming.
Amin, Muhammad Khoirul, Pinilih, Sambodo Sriadi, & Astuti, Retna Tri. (2021). Gambaran
Psikologi Warga Kabupaten Magelang Selama Pandemi Covid-19. Jurnal Mutiara
Ners, 4(2), 140–145.
Eska, Juna. (2018). Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper
Menggunakan Algoritma C4. 5.
Fong, Karen Lee Mei. (2021). Antimicrobial sensitivity of most commonly isolated bacteria
from Feline Upper Respiratory Infection (URI).
Haifa, Najwa S., & MIA, X. (2020). Pendidikan Kesehatan Tentang Penyakit Menular. OSF
Preprints. May, 9.
Hoesea, Elvan Virgo. (2014). Evaluation of health surveillance activities of hajj 2013 in the
hajj embarkation Palangkaraya. Jurnal Berkala Epidemiologi, 2(2), 206–215.
Kadir, Abdul, & Susanto, Adhi. (2013). Teori dan aplikasi pengolahan citra. Yogyakarta:
Andi.
Mardi, Yuli. (2017). Data Mining: Klasifikasi Menggunakan Algoritma C4. 5. Jurnal Edik
Informatika Penelitian Bidang Komputer Sains Dan Pendidikan Informatika, 2(2),
213–219.
Miftahuddin, Yusup, Umaroh, Sofia, & Karim, Fahmi Rabiul. (2020). Perbandingan Metode
Perhitungan Jarak Euclidean, Haversine, Dan Manhattan Dalam Penentuan Posisi
Karyawan. Jurnal Tekno Insentif, 14(2), 69–77.
Restuningdyah, Novia Andansari Putri, & Amalia, Emmy. (2020). Pemeriksaan CT-SCAN
Thorax Pada Kasus Covid-19 di Provinsi Nusa Tenggara Barat. Jurnal Pengabdian
Magister Pendidikan IPA, 3(1).
Saputra, Maman, Arsyi, Miftahul, Nurhanifah, Nurhanifah, Octavia, Syally Nadya, &
Pratomo, Hadi. (2020). Evaluasi pedoman penanganan cepat medis dan kesehatan
masyarakat tentang coronavirus disease (covid-19) di indonesia. Jurnal Ilmiah Ilmu
Keperawatan Indonesia, 10(02), 46–55.
Suharmanto, Suharmanto. (2020). Perilaku Masyarakat dalam Pencegahan Penularan
Covid-19. JK Unila, 4(2), 91–96.
Syauqi, Ahmad. (2017). Mikrobiologi lingkungan peranan mikroorganisme dan kehidupan.
Penerbit Andi.
Wijaya, Chandra, Irsyad, Hafiz, & Widhiarso, Wijang. (2020). Klasifikasi Pneumonia
Menggunakan Metode K-Nearest Neighbor Dengan Ekstraksi GLCM. Jurnal
Algoritme, 1(1), 33–44.
Yanti, Budi, & Hayatun, Ulfa. (2020). Peran pemeriksaan radiologis pada diagnosis
Coronavirus disease 2019. Jurnal Kedokteran Syiah Kuala, 20(1).
