Indrawan, Gilang Trisetya (2021) DIAGNOSIS COVID-19 BERDASARKAN CITRA X-RAY PARU-PARU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Muhammadiyah Jember.
![]() |
Text
a. Pendahuluan.pdf Download (1MB) |
![]() |
Text
b. Abstrak.pdf Download (473kB) |
![]() |
Text
c. Bab I.pdf Download (479kB) |
![]() |
Text
d. Bab II.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text
e. Bab III.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text
f. Bab IV.pdf Restricted to Repository staff only Download (695kB) | Request a copy |
![]() |
Text
g. Bab V.pdf Restricted to Repository staff only Download (469kB) | Request a copy |
![]() |
Text
h. Daftar Pustaka.pdf Download (446kB) |
![]() |
Text
i. Lampiran.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text
J. Artikel.pdf Download (672kB) |
Abstract
12 Maret 2020, WHO mengumumkan kasus misterius pneumonia di Wuhan yang diberi nama COVID-19 sebagai pandemik. Salah satu cara untuk mendiagnosis COVID-19 adalah dengan menganalisis citra X-ray paru-paru. Ahli medis, menganalisis visual citra X-ray paru-paru harus secara teliti dan tepat, guna menentukan apakah pasien benar-benar terjangkit COVID-19. Namun menganalisis citra X-ray paru-paru membutuhkan proses yang cukup memakan waktu, maka dari itu dibutuhkan teknologi yang dapat dengan cepat mendiagnosis penyakit tersebut. Convolutional Neural Network (CNN) merupakan salah satu pengembangan algoritma Multilayer Perceptron (MLP) yang dirancang untuk mengidentifikasi berbagai pola gambar dari berbagai sisi. Model CNN yang dibangun pada penelitian ini memiliki 40 convolution layer dengan fungsi aktivasi ReLU, Batch Normalization, dan 5 max-pooling layer. Layer klasifikasi model CNN yang dibangun menerapkan global average pooling yang menghasilkan 512 neuron yang langsung terhubung ke layer terakhir dengan fungsi softmax. Akurasi dari hasil model CNN yang dibangun berhasil mencapai keseluruhan akurasi 92,14% yang diuji menggunakan 318 data citra. Kesimpulan dari penelitian ini algoritma Convolutional Neural Network (CNN) yang dibangun relatif mampu mendiagnosis penyakit COVID-19 berdasarkan citra X-ray paru-paru dan tingkat keefektivitas model mendiagnosis penyakit COVID-19 lebih rendah dibanding mendiagnosis penyakit yang tidak terjangkit COVID-19.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Uncontrolled Keywords: | Convolutional Neural Network, COVID-19, diagnosis, | |||||||||
Subjects: | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | |||||||||
Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
Department: | S1 Teknik Informatika | |||||||||
Depositing User: | Gilang Trisetya Indrawan | |||||||||
Contributors: |
|
|||||||||
Contact Email Address: | gilangtrisetya123@gmail.com | |||||||||
Date Deposited: | 24 Sep 2021 07:58 | |||||||||
Last Modified: | 24 Sep 2021 07:58 | |||||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/11983 |
Actions (login required)
![]() |
View Item |