DIAGNOSIS COVID-19 BERDASARKAN CITRA X-RAY PARU-PARU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Indrawan, Gilang Trisetya (2021) DIAGNOSIS COVID-19 BERDASARKAN CITRA X-RAY PARU-PARU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
a. Pendahuluan.pdf

Download (1MB)
[img] Text
b. Abstrak.pdf

Download (473kB)
[img] Text
c. Bab I.pdf

Download (479kB)
[img] Text
d. Bab II.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
e. Bab III.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
f. Bab IV.pdf
Restricted to Repository staff only

Download (695kB) | Request a copy
[img] Text
g. Bab V.pdf
Restricted to Repository staff only

Download (469kB) | Request a copy
[img] Text
h. Daftar Pustaka.pdf

Download (446kB)
[img] Text
i. Lampiran.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] 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:
ContributionContributor NameNIDN/NIDK
Thesis advisorNilogiri, Agung0030037701
Thesis advisorAzizah Al Faruq, Habibatul0718128901
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 View Item