IDENTIFIKASI CITRA PARU-PARU PADA PASIEN COVID-19 DENGAN TEKNIK EDGE DETECTION

Pertiwi, Marisha (2022) IDENTIFIKASI CITRA PARU-PARU PADA PASIEN COVID-19 DENGAN TEKNIK EDGE DETECTION. Masters thesis, Univesitas Putra Indonesia YPTK.

Preview	Text (Abstrak) Thesis_Marisha Pertiwi_202321036_Abstrak.pdf Download (13kB) | Preview
Preview	Text (BAB I) Thesis_Marisha Pertiwi_202321036_BAB I.pdf Download (133kB) | Preview
Preview	Text (Daftar Pustaka) Thesis_Marisha Pertiwi_202321036_Daftar Pustaka.pdf Download (131kB) | Preview
	Text (Full Text) Thesis_Marisha Pertiwi_202321036_Full Text.pdf Restricted to Repository staff only Download (5MB)

Abstract

ABSTRAK Radiografi thorax X-Ray menghasilkan citra digital radiografi di area dada seperti paru-paru, jantung dan tulang rusuk. Citra ini dapat memvisualisasikan kondisi paru paru pasien penyakit COVID-19. Teknik Edge Detection dapat melihat tepi objek paru-paru pasien COVID-19 secara lebih jelas. Paru-paru penderita COVID-19 mengalami kerusakan yang diakibatkan dari GGO (Ground Glass Opacity) COVID 19 yaitu terdapat kabut putih, paru-paru terlihat kabur bagian tepi atau daerah yang terjangkit penyakit dan juga mempengaruhi luas pada. Teknik ini dapat memudahkan tenaga kesehatan melihat hasil rontgen pada objek paru-paru pasien COVID-19 dan membantu dokter dalam penanganan pasien COVID-19. Dengan kemajuan di bidang komputer dalam penerapan teknik pemrosesan citra dilakukan dengan Teknik Edge Detection ini menggunakan software Matlab untuk mendapatkan hasil citra tepi dan luas dari paru-paru bersih pada pasien COVID-19. Data yang digunakan dalam penelitian ini adalah 30 sampel citra paru-paru pasien COVID dan 10 sampel citra paru-paru pasien sehat sebagai pembanding yang bersumber dari RSUD Embung Fatimah Batam di-preprocessing dengan Grayscale dan Intensity Adjustment, dilanjutkan proses segmentasi dengan Masking dan Boundaries serta Active Contour kemudian menggunakan Teknik Edge Detection, selanjutnya perhitungan Peak Signal to Noise Ratio (PNSR), Mean Square Error (MSE) dan Region Properties (Area dan Perimeter). Hasil dari penelitian ini adalah rata-rata nilai MSE mendekati 0 dan PSNR >30 dB, sebanyak 22 citra paru-paru pasien COVID-19 menghasilkan nilai akurasi sebesar 73%. Citra hasil pengujian dengan Teknik Edge Detection untuk mengindentifikasi tepi objek paru-paru pasien COVID-19 yang cukup jelas dengan menghasilkan piksel putih yang begitu terlihat. Perimeter paru-paru kanan rentang 110.897 - 261.254 dan Area 267.719 - 940.668, Perimeter paru-paru kiri rentang 114.613 - 262.943 dan Area 170.616 - 856.993, sedangkan pasien sehat memiliki Perimeter paru-paru kanan rentang 187.598 -270.624 dan Area 514.947 - 1025.44, Perimeter paru-paru kiri 182.226 - 287.358 dan Area 480.592 - 901.418, maka, infeksi virus COVID-19 mengurangi luas paru-paru, rentang paru-paru COVID-19 lebih rendah dari paru-paru sehat. Kata kunci: Edge Detection, Paru-Paru, COVID-19, PSNR, MSE

Actions (login required)

View Item