Electronic Theses and Dissertation

Diagnosis standar COVID-19 saat ini dilakukan dengan uji polymerase chain reaction (PCR) dan rapid test. Namun dua metode ini masih memiliki kekurangan yang dapat menyebabkan terjadinya false negative dan false positive. Salah satu metode pendukung yang dapat dilakukan untuk mendiagnosis COVID-19 yaitu dengan pencitraan CT Scan. Tujuan dari penelitian ini adalah melakukan segmentasi citra kontur axial citra CT Scan pasien COVID-19 dan kanker paru untuk mengetahui karakteristik dari penyakit tersebut khususnya COVID-19. Karakteristik citra CT Scan COVID-19 dan kanker dilakukan dengan segmentasi menggunakan metode deteksi tepi berbantuan software Image-J. Hasil yang diperoleh menunjukkan bahwa pada kontur axial hasil CT Scan COVID-19 terdapat pola khas tergantung dari tahap keparahannya yaitu Ground Glass Opacity (GGO) berbentuk embun pada kaca dengan pola bulat tersebar, konsolidasi yang sudah terjadi pemadatan dengan pola memanjang, dan crazy paving polanya seperti peta yang menyebar pada seluruh paru, sedangkan pada kanker paru polanya solid hampir berbentuk bulat ataupun oval. Dari 8 citra COVID-19 yang telah dianalisis, yang memiliki pola GGO sebanyak 1 citra, pola GGO yang sudah terkonsolidasi sebanyak 6 citra dan pola crazy paving sebanyak 1 citra. Hasil penelitian ini berkontribusi membantu paramedis untuk mendukung diagnosa COVID-19 secara lebih akurat.
Kata kunci: CT-Scan, COVID-19, kanker paru, deteksi tepi, Image-J

The standard diagnosis of COVID-19 is currently carried out by polymerase chain reaction (PCR) and rapid tests. However, these two methods still have drawbacks that can lead to false negatives and false positives. One of the supporting methods that can be employed to diagnose COVID-19 is by CT Scan imaging. The purpose of this study is to segment the axial contour image of CT Scan images of patients with COVID-19 and lung cancer to determine the characteristics of the disease, especially COVID-19. The characteristics of CT Scan image of COVID-19 and cancer were carried out by the edge detection method using Image-J software. The results obtained show that on the axial contours of the CT Scan COVID-19 there are specific patterns depending on the severity, namely Ground Glass Opacity (GGO) in the form of dew on the glass with a scattered round pattern, consolidation that has already occurred in an elongated pattern and crazy paving patterns such as maps that spread on the entire lung, whereas in lung cancer the pattern was solid, almost round or oval. Out of the 8 images of COVID-19 that have been analyzed, there was 1 image of the GGO pattern, there were 6 images of the consolidated GGO pattern and there was 1 image of the crazy paving pattern. The results of this study contribute to help paramedics to support a more accurate COVID-19 diagnosis. Keywords: CT-Scan, COVID-19, lung cancer, edge detection, Image-J