Abstract
Pneumonia is an inflammatory parenchymal disease caused by various microorganisms, including bacteria, micro bacteria, fungi, and viruses. This study used an X-ray to find out whether or not there was pneumonia. The objective of this study was to classify the X-ray results whether or not there was pneumonia in a fast and precise way through a program to produce good accuracy. The classification method used in this study were K-Nearest Neighbor (KNN) and Gray Level Co-Occurrence (GLCM) for the extraction method. There are several stages before being classified, namely cropping, resizing, contrast stretching, and thresholding. The results showed that the best accuracy per class was 66.20% for K = 5.
Highlights
The results showed that the best accuracy per class was 66.20% for K = 5
"Klasifikasi Daun Herbal Menggunakan Metode Naïve Bayes Classifier Dan Knearest Neighbor", Jurnal Simantec, vol 5, no. 1, 2015
Summary
Yang dikontrol komunitas (CAP), pneumonia yang didapat di rumah sakit (nosocomial), pneumonia pada hospes immunocompromised, dan pneumonia aspirasi [1]. Penelitian yang melakukan perbaikan kualitas citra menggunakan median filter dan erosi pada citra yang dapat mempermudah proses ekstraksi fitur pada citra yang kemudian diklasifikasi menggunakan metode K-Nearest Neighbor (KNN) yang mendapatkan nilai akurasi sebesar 86,67% [2]. Tahapan setelah preprocessing yaitu thresholding yang bertujuan untuk menghasilkan citra menjadi warna hitam dan putih dengan nilai threshold adalah 170, dan metode yang digunakan untuk proses klasifikasi yaitu Convolutional Neural Network, penelitian ini memiliki tingkat akurasi mencapai 83,3% [5]. Penelitian lainnya yang menggunakan segmentasi citra thresholding otsu dan menggunakan ekstraksi fitur GLCM untuk mengklasifikasi motif batik pesisir yang menggunakan K-Nearest Neighbor untuk mengklasifikasikannya, hasil dari klasifikasi menunjukkan bahwa dengan menambahkan thresholding otsu menghasilkan akurasi yang cukup baik, dengan persentase tertinggi sebesar 85% pada K = 1 [9]. Berdasarkan uraian pada paragraf sebelumnya, threshold merupakan salah satu metode segmentasi citra yang cukup baik dalam mengsegmentasikan citra sebelum citra di ekstraksi menggunakan GLCM, serta metode KNN dapat mengelola secara efektif data training dalam skala besar serta mampu mengklasifikasi data berdasarkan kelas yang tepat
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
