Klasifikasi Citra Lesi Kulit Serupa Virus Monkeypox Menggunakan VGG-19 Convolutional Neural Network

Susanto, Luban Abdi (2023) Klasifikasi Citra Lesi Kulit Serupa Virus Monkeypox Menggunakan VGG-19 Convolutional Neural Network. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
PENDAHULUAN.pdf

Download (2MB)
[img] Text
ABSTRAK.pdf

Download (719kB)
[img] Text
BAB I.pdf

Download (733kB)
[img] Text
BAB II.pdf
Restricted to Repository staff only

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

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

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

Download (753kB) | Request a copy
[img] Text
DAFTAR PUSTAKA.pdf

Download (668kB)
[img] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Pasca wabah covid19, muncul lagi ancaman penyakit menular yakni cacar monyet dengan nama lain virus monkeypox. Cacar monyet adalah penyakit yang ditularkan melalui virus hewan (herpes zoster) yang tergolong ke dalam genus orthopoxvirus dan memiliki gejala serupa dengan penyakit cacar dan cacar air. Salah satu cara mendiagnosis monkeypox adalah dengan mengklasifikasikan gambar lesi kulit serupa, untuk menentukan apakah pasien benar menderita monkeypox atau bukan. Metode yang umum digunakan untuk klasifikasi citra adalah Convolutional Neural Network (CNN). CNN merupakan pengembangan dari Multi-Layer Perceptron (MLP) yang ditujukan untuk mengolah data dua dimensi seperti gambar dan audio. Arsitektur CNN yang digunakan pada penelitian ini yakni VGG-19 dengan 16-convolution layer + relu, 5-pooling layer, dan fully connected layer. Dataset yang digunakan berjumlah 1.000 citra lesi kulit serupa monkeypox untuk diukur tingkat persentase akurasi, sensitivitas, dan spesifisitas. Hasil pengujian menggunakan unseen data diperoleh tingkat akurasi sebesar 76%, sensitivitas sebesar 76%, dan spesifisitas sebesar 92%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Convolutional Neural Network, Klasifikasi, Monkeypox, VGG-19
Subjects: 000 Computer Science, Information, & General Works
600 Technology and Applied Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Luban Abdi Susanto
Date Deposited: 08 Feb 2023 02:01
Last Modified: 08 Feb 2023 02:01
URI: http://repository.unmuhjember.ac.id/id/eprint/16342

Actions (login required)

View Item View Item