Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada kesempatan ini akan dievaluasi metode partisi fuzzy dalam menyelesaikan suatu permasalahan nonlinier dalam hal ini permasalahan klasifikasi. Metode ini mempartisi input space ke dalam bin-bin dan membuat aturan fuzzy dari tiap bin. Keseluruhan aturan fuzzy yang dihasilkan membentuk suatu sistem berbasis aturan fuzzy (sistem fuzzy) yang memodelkan sistem nonlinier dari permasalahan yang diberikan. Metode partisi fuzzy diperkenalkan dan digunakan untuk prediksi unjuk kerja pada masalah kredit industri finansial oleh Yinghua Lin. Pada makalah ini metode partisi fuzzy digunakan untuk menyelesaikan masalah klasifikasi dengan data input dan data output 'Wine Recognition Data'. Metode ini memberikan hasil yang cukup baik terutama ketika dilakukan penambahan kemungkinan lokasi pemartisian, dari maksimum pengenalan 91,67% (tiga lokasi pemartisian) menjadi maksimum 94,44% (lima lokasi pemartisan). Dalam percobaan ini juga diterapkan preprocessing PCA yang mentransformasikan data input ke dalam ruang eigen. Peningkatan yang diperoleh cukup tinggi hingga mencapai tingkat pengenalan 97,22%. Kata kuci: paritisi fuzzy, sistem fuzzy, klasifikasi, PCA."

"Penelitian ini dilakukan untuk menguji kelayakan penerapan teknik pencitraan hiperspektral di wilayah variabel 400-1000 nm untuk mengetahui kandungan formalin. Sistem pencitraan hiperspektral terdiri dari kamera hiperspektral, slider, motor slider, dua sumber lampu halogen dan komputer yang digunakan untuk proses akuisisi data dan pengolahan data. Citra hiperspektral merupakan sebuah hypercube yang berisi informasi spasial dan spektral. ROI digunakan untuk memilih area sampel yang homogen. Data ROI diekstraksi dengan merata-ratakan data spasialnya, sehingga hanya diperoleh data spektral. Metode principle component analysis PCA digunakan untuk mereduksi dimensi data data spektral dan memilih fitur yang akan digunakan sebagai masukan dalam klasifikasi. Linear discriminant analysis LDA digunakan sebagai model untuk mengklasifikasikan kelas yang berbeda, yaitu formalin dan nonformalin. Model PCA regresi digunakan untuk menguji akurasi nilai prediksi terhadap nilai pengujian laboratorium. Dari hasil percobaan pada pengamatan hari pertama, kedua dan ketiga menunjukkan keefektifan model LDA dalam memisahkan sampel tahu berformalin dan tahu tanpa formalin dengan akurasi diatas 86,81 , 93,06 , dan 100 . Serta dari hasi regresi linier pada pengamatan hari pertama, kedua dan ketiga diperoleh koefisien korelasi R2 sebesar 0,98, 0,99 dan 0,99 serta nilai RMSE sebesar 1,83, 1,40 dan 1,27. Hasil ini menunjukkan bahwa pencitraan hiperspektral merupakan pendekatan yang menjanjikan untuk memprediksi kandungan formalin yang dengan cepat dan akurat.

---

This study was carried out to examine the feasibility of applying hiperspektral imaging technique in the spectral region 400 1000 nm for classification formaldehyde tofu. The system hardware of hiperspektral imaging consists of hiperspektral camera with spectral region 400 1000 nm, workbench, motor slider, two halogen lamp source and personal computer used for the data acquisition process and data processing. Hyperspectral image is a hypercube that contains of spatial and spectral information. ROI is used to select a homogeneous sample area. ROI data is extracted by averaging its spatial data, so that only spectral data are obtained. The principle component analysis PCA method is used to reduce dimensions of the data and select the features to be used as input in the classification. The linear discriminant analysis LDA is used as a model to classify to distinct classes, that is formaldehyde tofu and without formaldehyde tofu. PCA Regression model is used to test the accuracy prediction values against the value of laboratory testing. Result from the experiment on the first, second and third day observations showed the effectiveness of the LDA model in separating the informal sample of formalin and tofu without formalin with an accuracy above 86.81 , 93.06 , and 100 . As well as from the results of linear regression on first, second and third observations obtained correlation coefficient R2 of 0.98, 0.99 and 0.99 and RMSE of 1.83, 1.40 and 1.27. These results suggest that hyperspectral imaging is a promising approach to predicting rapidly and accurately formaldehyde content."

"Tesis ini akan membahas karakterisasi absorbansi darah pada rentang 190 sampai dengan 1100 nm per 10 nm pada pasien demam dengue dengan menggunakan spektrofotometer UV-Vis. Data numerik yang diperoleh kemudian dilakukan pengenalan pola karakteristiknya menggunakan kecerdasan buatan. Hasil yang diperoleh menggambarkan karakteristik yang berbeda antara rentang 190 s/d 380 dan 610 s/d 1100 nm dengan 400 s/d 600 nm. Data numerik absorbansi 400 s/d 600 nm diproses dengan metoda self organizing maps menunjukan kestabilan hasil walaupun tingkat pengenalannya masih rendah.

---

This thesis is describing characterization of blood absorbance in range of 190 through 1100 nm per 10 nm of dengue fever patient using UV-Vis spectrophotometer. Collected numerical data is processed by pattern recognition using artificial intelligence. Result shown that characteristics between 190-380 nm and 610?1100 nm differ from 400 nm?600 nm. 400 - 600 nm absorbance numerical data processed using self organizing maps showing output of recognition stability, even degree of recognition was still low."

"[ABSTRAKFPGA merupakan piranti yang bersifat dapat dikonfigurasi-ulang (reconfigurable). Dengan mengambil keuntungan dari paralel hardware, eksekusi FPGA dapat lebih cepat dari pemrosesan DSP(Digital Signal Processor). Disain dan Implementasi Pengenalan wajah menggunakan FPGA, untuk mengidentifikasi citra wajah yang diberikan dengan menggunakan Fitur utama dari wajah. Dalam tesis ini Algoritma Artificial Neural Network metode Back Propagation disajikan, untuk mendeteksi pandangan frontal wajah. Extraksi Penciri citra wajah di lakukan dengan (PCA) dan identifikasi menggunakan Back Propagation. Citra wajah diambil dari 100 At&T Database menghasilkan 90 % acceptance ratio.

---

ABSTRACTFPGA is a device that can be re-configured (reconfigurable). By taking advantage of parallel hardware, FPGA execution can be faster than processing DSP (Digital Signal Processor). Design and Implementation of face recognition using FPGA, to identify a given face image using the main features of the face. In this thesis Algorithm Artificial Neural Network Back Propagation method is presented, for detecting frontal view faces. Identifier face image extraction is done by (PCA) and identification using Back Propagation. 100 face images taken from At & T database generates 90% acceptance ratio.;FPGA is a device that can be re-configured (reconfigurable). By taking advantage of parallel hardware, FPGA execution can be faster than processing DSP (Digital Signal Processor). Design and Implementation of face recognition using FPGA, to identify a given face image using the main features of the face. In this thesis Algorithm Artificial Neural Network Back Propagation method is presented, for detecting frontal view faces. Identifier face image extraction is done by (PCA) and identification using Back Propagation. 100 face images taken from At & T database generates 90% acceptance ratio.;FPGA is a device that can be re-configured (reconfigurable). By taking advantage of parallel hardware, FPGA execution can be faster than processing DSP (Digital Signal Processor). Design and Implementation of face recognition using FPGA, to identify a given face image using the main features of the face. In this thesis Algorithm Artificial Neural Network Back Propagation method is presented, for detecting frontal view faces. Identifier face image extraction is done by (PCA) and identification using Back Propagation. 100 face images taken from At & T database generates 90% acceptance ratio., FPGA is a device that can be re-configured (reconfigurable). By taking advantage of parallel hardware, FPGA execution can be faster than processing DSP (Digital Signal Processor). Design and Implementation of face recognition using FPGA, to identify a given face image using the main features of the face. In this thesis Algorithm Artificial Neural Network Back Propagation method is presented, for detecting frontal view faces. Identifier face image extraction is done by (PCA) and identification using Back Propagation. 100 face images taken from At & T database generates 90% acceptance ratio.]"

"ABSTRAKSecara visual, sulit untuk membedakan antara perokok dan bukan perokok bahkan untuk dokter atau dokter gigi yang berpengalaman. Salah satu cara yang paling obyektif untuk mengenali lidah perokok adalah dengan menggunakan alat seperti kamera. Penelitian yang relevan menemukan bahwa kelainan pada permukaan lidah dapat ditangkap oleh kamera HS pada rentang spektrum 650 - 900 nm. Sistem yang diusulkan terdiri dari dua bagian, perangkat keras dan perangkat lunak. Perangkat keras terdiri dari rangka aluminium, slider, sebuah sumber cahaya halogen dan kamera HS dengan rentang spektral antara 400-1000 nm yang terhubung ke komputer. Sistem dilengkapi oleh perangkat lunak pengolah citra hiperspektral yang dirancang untuk mendeteksi lidah perokok. Nilai reflektansi permukaan lidah diekstraksi dari citra lidah responden yang sebelumnya dikoreksi dengan menggunakan referensi citra hiperspektral gelap dan terang. Merata-ratakan data reflektansi spektral disetiap region lidah dilakukan untuk mengubah fitur yang ada menjadi ruang dimensi yang lebih kecil. Principal Component Analysis PCA digunakan untuk menghitung dan memilih subset fitur yang akan digunakan sebagai input oleh pengklasifikasi. Support vector machine SVM digunakan sebagai model klasifikasi citra karena kinerjanya sangat baik untuk memilih separator hyperplane terbaik di antara dua kelas yang berbeda. Sejumlah sampel citra lidah diakuisisi, diolah dan diklasifikasikan sebagai lidah perokok dan bukan perokok oleh sebuah sistem pengukuran hiperspektral. Evaluasi hasil sistem diperiksa menggunkan confusion matriks dengan menjadikan false positive rate FPR , false negative rate FNR , sensitivity dan specificity sebagai parameter kehandalan sistem. Validasi terhadap hasil pengukuran dilakukan menggunakan metode k-fold cross validation dengan rata-rata error klasifikasi SVM sebagai parameter akurasi sistem prediksi. Sistem deteksi perokok untuk mengidentifikasi smoker rsquo;s melanosis ini berhasil mengklasifikasi lidah perokok dan bukan perokok dengan akurasi yang baik.Kata kunci: Hiperspektral, SVM, Fingerprint, Lidah, Perokok.

---

ABSTRACTVisually, it is difficult to diffrentiate between smoker and non smoker tongue even for an experienced doctor or dentist. One of the most objective way to acknowledge the smoker tongue is by using tools such as camera. The relevant research found that lession on tongue surface possible to be captured by hiperspektral camera in spectral range 650 ndash 900 nm. The proposed system contains of two parts, hardware and software. The hardware consists of workbench, slider, a halogen light source and hyperspectral camera with spectral range between 400 1000 nm connected to personal computer. The system complemented with hiperspektral image processing software built up especially to analyse the smoker tongue. The reflectance values of tongue surface was extracted from respondent tongue image that previously corrected using white and dark hiperspektral image references. Averaging all of spectral data have been done to transform the existing features into a lower dimensional space. The principal component analysis PCA was used to compute and select the features subset which will be used as an input by the classifier. The support vector machine SVM classifier is used as image classification model since it perform excellent to choose the best hyperplane separator between two difference classes. A number of samples of the tongue image were acquired, processed and classified as smokers and non smokers tongue by a hyperspectral measurement system. The evaluation of system result is checked using confusion matrix by making false positive rate FPR , false negative rate FNR , sensitivity and specificity as system reliability parameters. Validation of the measurement results was done using k fold cross validation method with average error classification SVM as parameter of system prediction accuration. Smoker detection system to identify smoker rsquo s melanosis is successfully classify the tongue of smokers and non smokers with good accuracy.Keywords Hiperspektral, Reflectance, Smoker, Tongue, Diagnosis, SVM, PCA "

"Indonesia sebagai negara dengan populasi terbanyak ke empat didunia memiliki kebijakan keluarga berencana, yang dikelola oleh Badan Kependudukan Keluarga Berencana Nasional (BKKBN), dalam upaya pengendalian jumlah penduduk. BKKBN memiliki enam indikator startegis di periode 2020-2024, yaitu Total Fertility Rate (TFR), modern Contraceptive Prevalence Rate (mCPR), unmet need KB, Age Spesific Fertility Rate (ASFR) 15-19 tahun, indeks pembangunan Keluarga (iBangga) dan Median Usia Kawin Pertama Perempuan (MUKP). Secara nasional unmet need belum memenuhi target dan bila dilihat secara provinsi terdapat disparitas. Tujuan penelitian ini adalah untuk megkuantifikasi ketidakmertaan sosial unmet need kontrasepsi di Indonesia tahun 2012 dan 2017. Penelitian ini adalah penelitian kuantitatif dengan desain cross sectional dari data SDKI tahun 2012 dan 2017. Sampel pada penelitian ini adalah pasangan usia subur (PUS) yang tinggal bersama dan aktif secara seksual dalam 4 minggu terakhir. Jumlah sampel pada penelitian ini adalah 22477 (2012) dan 24173 (2017) pasangan. Pembentukan variabel akses pelayanan KB menggunakan Principal Component Analysis (PCA). Analisis ketidakmerataan yang digunakan merupakan bantuan alat ukur Health Equity Assesment Toolkit (HEAT) yang dikembangkan oeh World Health Organization (WHO) dan dilakukan juga analisis pengelompokkan dengan metode hirarkial. Hasil penelitian akses pelayanan KB paling dipengaruhi oleh informasi kontrasepsi yang diberikan oleh dokter. Secara umum terjadi penurunan nilai absolut unmet need kontrasepsi di Indonesia dari tahun 2012 ke tahun 2017. Namun bila dilihat pada populasinya (confident interval) tidak terdapat perbedaan unmet need dari tahun 2012 dan 2017. Ketidakmerataan unmet need kontrasepsi di Indonesia tahun 2017 masih terjadi dengan dimensi paling dominan adalah paritas (>2 anak) dan umur suami (>45 tahun), kemudian disusul oleh wilayah tempat tinggal (rural) serta sosial ekonomi (teratas). Terdapat perubahan wilayah prioritas unmet need dari tahun 2012 (12 provinsi) ke tahun 2017 (14 provinsi). Dari hasil ini diasumsikan bahwa wilayah berdekatan tidak selalu memiliki karakteristik yang serupa. Artinya, unmet need tidak dipengaruhi kewilayahan. Variabel yang menjadi irisan dari penurunan unmet need dan ketidakmerataan adalah umur suami (>45 tahun), paritas (>2 anak), sosial ekonomi dan wilayah tempat tinggal. Jika hal ini dilihat kembali dengan kluster analisis maka variabel umur suami dan paritas masuk dalam kriteria provinsi prioritas. Provinsi prioritas di tahun 2017 memiliki interval rata-rata umur suami yang paling tua (37.71-40.52 tahun) diantara kelompok lainnya dan juga memiliki paritas yang paling tinggi >2 anak (2.09 – 3.01 anak) di anggota klusternya. 

---

Indonesia as the fourth most populous country in the world has a family planning policy, which is managed by the National Family Planning Population Agency (BKKBN), in an effort to control population numbers. The BKKBN has six strategic indicators for the 2020-2024 period, namely Total Fertility Rate (TFR), Modern Contraceptive Prevalence Rate (mCPR), Unmet need for family planning, Age Specific Fertility Rate (ASFR) 15-19 years, Family development index (iBangga) and Median Age of First Marriage for Women (MUKP). Nationally, unmet need has not met the target and when viewed by province, there are disparities. The purpose of this research is to quantify the social inequity of unmet need for contraception in Indonesia in 2012 and 2017. This research is a quantitative study with a cross-sectional design based on data from the 2012 and 2017 IDHS. The sample in this study was couples of childbearing age (PUS) who lived together and were sexually active in the last 4 weeks. The number of samples in this study were 22477 (2012) and 24173 (2017) couples. Formation of family planning service access variables using Principal Component Analysis (PCA). The inequality analysis used was the help of the Health Equity Assessment Toolkit (HEAT) developed by the World Health Organization (WHO) and grouping analysis was also carried out using a hierarchical method. The results of the research on access to family planning services are most influenced by contraceptive information provided by doctors. In general, there has been a decline in the absolute value of unmet need for contraception in Indonesia from 2012 to 2017. However, when viewed from the population (confident interval), there is no difference in unmet need from 2012 and 2017. Inequality in unmet need for contraception in Indonesia in 2017 still occurs with dimensions parity (> 2 children) and husband's age (> 45 years), followed by area of residence (rural) and social economy (top). There was a change in the priority areas of unmet need from 2012 (12 provinces) to 2017 (14 provinces). From these results it is assumed that adjacent areas do not always have similar characteristics. That is, unmet need is not influenced by territory. Variables that intersect the decline in unmet need and inequality are husband's age (> 45 years), parity (> 2 children), socioeconomic status and area of residence. If this is seen again with the cluster analysis, the variables of husband's age and parity are included in the priority province criteria. Priority provinces in 2017 have the oldest husband's average age interval (37.71 – 40.52 years) among other groups and also have the highest parity of >2 children (2.09-3.01 children) in their cluster members."

"Penelitian sebelumnya menunjukkan Multiwavelength UV-Vis spektrofotometer pada darah terinfeksi virus membuat perubahan optik dari darah dan mempunyai karakter pola-pola tertentu serta dapat dikenali dengan jaringan sataf tiruan Backpropagation dan algoritma PCA. Penyakit infeksi endemik di Indonesia salah satunya disebabkan oleh virus dengue. Penelitian ini, dilakukan pengukuran absorbansi optik darah Demam Dengue (DD), non DD dan orang sehat dengan spektrofotometer UV-Vis 190-1100 nm. Rentang 400-600 nm dengan 21 data input memperlihatkan pola-pola sangat berbeda dl."baDdingkan 190-400 dan 400-1100 nm. Kemudian spektmm absorbansi darah dianalisa menggunakan BP dengan hidden layer 20 nilai k:eberhasilan mengenali pola DD, non DD dan orang sebat mencapii 27%, l'edangkan PCA + BP 20 dan 10 dimensi dengan hidden layer 25 nilai keberhasilannya mencapai 60"10.

---

Previous studies showed that multiwavelength uv-vis spectrophotometer in blood virus infection can make changes in optical properties and bas character with certain patterns. These patterns are recognized by artificial neural network Backpropagation and algorithm PCA. One of endemic iofectious disease in Indonesia is caused by dengue viral iofection. In this studies, measurement of the optic absorbance blood from DF, non DF and healthy person by spectrophotometer UV-Vis in 190-1100 mn. Range 400-600 nm with 21 datas input show patterns very differ between DF, non DF and health person compared 190-400 and 400-llOOnm. Then blood absorbance spectrum pattem analyzed using BP with layer hidden 20 efficacy value recognize pattern DF, non DF and healthy people reach 27%, while PCA + BP with 20 and 10 dimension having layer hidden 25 efficacy value reaching 60".4."

"[Dendrobium crumenatum merupakan jenis anggrek yang memiliki variasi morfologi akibat adanya persebaran yang luas. Studi literatur menunjukkan bahwa penelitian terhadap variasi morfologi bunga Dendrobium crumenatum belum dilakukan, salah satunya akibat penjelasan deskripsi yang tidak sama dari tiap-tiap pulau. Oleh karena itu, penelitian yang dilakukan bertujuan untuk membuat deskripsi yang sama dan lebih lengkap, kemudian menganalisis karakter-karakter yang signifikan berbeda dan memberikan gambaran mengenai pola pengelompokan berdasarkan pola biogeografi. Penelitian yang dilakukan menggunakan 78 spesimen vegetatif dan 51 spesimen bunga. Sebanyak 33 karakter dari 37 spesimen bunga dianalisis menggunakan Principal Component Analysis (PCA). Hasil analisis menunjukkan bahwa ukuran perhiasan bunga, tepi lobus tengah, bentuk sepal dorsal dan sepal lateral, kalus, dan perbandingan panjang lobus tengah dan lobus samping labellum merupakan karakter-karakter yang signifikan berbeda. Hasil analisis juga menunjukkan tiga kelompok yang terpisah, yaitu kelompok 1 (Sumatera, Jawa, Kalimantan, dan Sulawesi) sebagai Dendrobium crumenatum, kelompok 2 (Nusa Tenggara) sebagai Dendrobium sp., dan kelompok 3 (Sulawesi Utara dan Maluku) sebagai Dendrobium papilioniferum. Hasil penelitian ini dapat menjadi bahan referensi untuk mengubah distribusi Dendrobium crumenatum, menjadikan Dendrobium papilioniferum menjadi jenis yang terpisah, dan menjadi data awal publikasi jenis baru Dendrobium dari Nusa Tenggara.;Dendrobium crumenatum is an orchid species that have morphological variation due to the broad distribution. The literature study shows that the study of morphological variation about Dendrobium crumenatum has not been done, one of them as a result of the description which are not the same from each island. Therefore, the aims of this research are to make the same and complete description, then analyze the significantly different characters and give a description of grouping based on biogeographic patterns. The conducted research using 78 specimens vegetative and 51 specimens of flowers. A total 33 morphological characters from 37 flower spesimens were analyzed using Principal Component Analysis (PCA). The analysis shows that the size of the flower parts, the edge of the middle lobe, dorsal sepals and lateral sepals form, callus, and the length ratio between middle lobe and the side lobe labellum are significantly different characters. The analysis also shows three separate groups, namely the group 1 (Sumatra, Java, Borneo, and Celebes) as Dendrobium crumenatum, group 2 (Lesser Sunda) as Dendrobium sp., and group 3 (North Sulawesi and Moluccas) as Dendrobium papilioniferum. Results of this study can be a reference material to restrict the distribution of Dendrobium crumenatum, to make Dendrobium papilioniferum a separate species, and be an early data into new species publication about Dendrobium sp. of Lesser Sunda.;Dendrobium crumenatum is an orchid species that have morphological variation due to the broad distribution. The literature study shows that the study of morphological variation about Dendrobium crumenatum has not been done, one of them as a result of the description which are not the same from each island. Therefore, the aims of this research are to make the same and complete description, then analyze the significantly different characters and give a description of grouping based on biogeographic patterns. The conducted research using 78 specimens vegetative and 51 specimens of flowers. A total 33 morphological characters from 37 flower spesimens were analyzed using Principal Component Analysis (PCA). The analysis shows that the size of the flower parts, the edge of the middle lobe, dorsal sepals and lateral sepals form, callus, and the length ratio between middle lobe and the side lobe labellum are significantly different characters. The analysis also shows three separate groups, namely the group 1 (Sumatra, Java, Borneo, and Celebes) as Dendrobium crumenatum, group 2 (Lesser Sunda) as Dendrobium sp., and group 3 (North Sulawesi and Moluccas) as Dendrobium papilioniferum. Results of this study can be a reference material to restrict the distribution of Dendrobium crumenatum, to make Dendrobium papilioniferum a separate species, and be an early data into new species publication about Dendrobium sp. of Lesser Sunda., Dendrobium crumenatum is an orchid species that have morphological variation due to the broad distribution. The literature study shows that the study of morphological variation about Dendrobium crumenatum has not been done, one of them as a result of the description which are not the same from each island. Therefore, the aims of this research are to make the same and complete description, then analyze the significantly different characters and give a description of grouping based on biogeographic patterns. The conducted research using 78 specimens vegetative and 51 specimens of flowers. A total 33 morphological characters from 37 flower spesimens were analyzed using Principal Component Analysis (PCA). The analysis shows that the size of the flower parts, the edge of the middle lobe, dorsal sepals and lateral sepals form, callus, and the length ratio between middle lobe and the side lobe labellum are significantly different characters. The analysis also shows three separate groups, namely the group 1 (Sumatra, Java, Borneo, and Celebes) as Dendrobium crumenatum, group 2 (Lesser Sunda) as Dendrobium sp., and group 3 (North Sulawesi and Moluccas) as Dendrobium papilioniferum. Results of this study can be a reference material to restrict the distribution of Dendrobium crumenatum, to make Dendrobium papilioniferum a separate species, and be an early data into new species publication about Dendrobium sp. of Lesser Sunda.]"

"Corona Virus Disease 2019 (COVID-19) adalah penyakit yang menyerang tubuh manusia melalui virus Severe Acute Respiratory atau SARS-CoV-2. Munculnya wabah COVID-19 menimbulkan setidaknya 16,6 juta penduduk di dunia meninggal dunia serta tidak sedikit dari penderitanya mengidap Community Acquired Pneumonia (CAP). CAP adalah infeksi akut parenkim paru pada orang yang telah mendapatkan infeksi di masyarakat. Menurut World Health Organization (WHO), pneumonia menjadi penyebab utama kematian nomor tiga di negara miskin dan berkembang. Dengan adanya pendeteksian serta diagnosis lebih dini, pengidap CAP akibat terpapar oleh virus COVID-19 ini dapat ditangani lebih cepat sebelum menyebar luas. Oleh karena itu, analisis gambar medis sangat penting dalam upaya pengobatan CAP sedini mungkin. Adanya pengembangan teknologi deep learning dan computer vision dapat membantu dokter dalam melakukan pendeteksian lebih cepat serta akurat. Maka dari itu, penelitian ini mengusulkan model Convolutional Neural Network (CNN) dengan arsitektur ensemble model Xception, InceptionV3, NASNet Large, dan Inception Resnet-V2 dengan menggunakan metode pre-processing Principal Component Analysis (PCA) dalam melakukan pendeteksian COVID-19 tiga kelas pada gambar chest xray. Penggunaan metode PCA pada data pre-processing dapat membantu mengembangkan model yang lebih efisien serta akurat. Para peneliti telah mencoba pemrosesan gambar baik menggunakan gambar rontgen dada dan juga Computerized Tomography (CT scan) khususnya CNN. Penelitian sebelumnya telah membuat model CNN dengan arsitektur ensemble model yang terdiri dari Xception, Inception-V3, NASNet Large, dan Inception Resnet-V2 berbasis ensemble model. Namun, hasil akurasi dalam pendeteksiannya masih belum optimal. Oleh karena itu, penelitian ini mengusulkan penggunaan metode PCA untuk meningkatkan akurasi pendeteksian menjadi 88,95%. Akurasi pendeteksian meningkat sebesar 3,14% dari penelitian sebelumnya.

---

Corona Virus Disease 2019 (COVID-19) is a disease that attacks the human body through the SARS-CoV-2 virus. The emergence of the COVID-19 outbreak has caused at least 16.6 million people worldwide to die, and many of them suffer from Community Acquired Pneumonia (CAP). CAP is an acute lung parenchyma infection in people who have been infected in the community. According to World Health Organization (WHO), pneumonia is the third leading cause of death in poor and developing countries. With earlier detection and diagnosis, CAP sufferers due to exposure to the COVID-19 virus can be treated more quickly before it spreads widely. Therefore, medical image analysis is crucial in the effort to treat CAP as early as possible. The development of deep learning and computer vision technology can help doctors to perform faster and more accurate detection. Hence, this research proposes a Convolutional Neural Network (CNN) model with ensemble architectures of Xception, InceptionV3, NASNet Large, and Inception Resnet-V2, using Principal Component Analysis (PCA) pre-processing method to perform three-class COVID-19 detection in chest x-ray images. The use of the PCA method in pre-processing data can help develop a more efficient and accurate model. Researchers have tried image processing using both chest X-ray images and also Computerized Tomography (CT scan), especially CNN. Previous research has created a CNN model with an ensemble model architecture consisting of Xception, Inception-V3, NASNet Large, and Inception Resnet-V2 based on the ensemble model. However, the results of the accuracy in the detection are still not optimal. Therefore, this study proposes the use of the PCA method to increase the detection accuracy to 88.95%. Detection accuracy increased by 3.14% from previous studies."