KLASIFIKASI PENYAKIT PARU-PARU MENGGUNAKAN METODE CNN ARSITEKTUR MOBILENET VERSI 3

Nagib, Ibrahim (2023) KLASIFIKASI PENYAKIT PARU-PARU MENGGUNAKAN METODE CNN ARSITEKTUR MOBILENET VERSI 3. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text 1. PENDAHULUAN.pdf Download (2MB)
	Text 2. ABSTRAK.pdf Download (201kB)
	Text 3. BAB I.pdf Download (210kB)
	Text 4. BAB II.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text 5. BAB III.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text 6. BAB IV.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text 7. BAB V.pdf Restricted to Repository staff only Download (200kB) | Request a copy
	Text 8. DAFTAR PUSTAKA.pdf Download (211kB)
	Text 9. LAMPIRAN.pdf Restricted to Repository staff only Download (626kB) | Request a copy

Abstract

Penyakit paru-paru, termasuk covid-19, tuberkulosis, dan pneumonia adalah beberapa penyakit yang paling sering terjadi dan mematikan di seluruh dunia. Salah satu metode utama untuk mendiagnosis penyakit paru-paru adalah melalui pemeriksaan rontgen dada, namun interpretasi citra rontgen memerlukan keahlian khusus dan waktu yang cukup lama. Untuk mengatasi tantangan ini, penelitian ini mengembangkan model deep learning menggunakan Convolutional Neural Network(CNN) dengan arsitektur MobileNetV3. Keunggulan metode ini terletak pada kemampuannya untuk secara otomatis melakukan proses belajar, termasuk ekstraksi fitur dari citra dan klasifikasi. Selain itu, MobileNetV3 memungkinkan proses klasifikasi dan deteksi objek dapat dijalankan dengan cepat dan efisien pada perangkat seluler, berkat ukurannya yang lebih kecil dan efisiensi yang lebih tinggi dibandingkan dengan arsitektur CNN konvensional. Model ini dilatih dan diuji menggunakan dataset citra rontgen dada pasien dengan kondisi normal, covid-19, pneumonia, dan tuberkulosis. Hasil menunjukkan bahwa model berhasil dalam mengklasifikasikan penyakit paru-paru dengan baik, dengan nilai rata-rata akurasi sebesar 98%, recall, presisi, dan f1-score sebesar 97%. Ini menunjukkan bahwa model ini cukup efisien dalam membedakan antara empat jenis kondisi paru-paru ini. Penelitian ini menunjukkan bahwa arsitektur MobileNetV3 dapat digunakan secara efektif untuk klasifikasi penyakit paru-paru berdasarkan citra rontgen dada, dan dapat membantu dalam diagnosis dini.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Convolutional Neural Network, Mobilenet, Penyakit, Paru-paru, Covid-19, Pneumonia, Tuberkulosis
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:	Ibrahim Nagib
Contributors:	Contribution Contributor Name NIDN/NIDK UNSPECIFIED Nilogiri, Agung NIDN0030037701 UNSPECIFIED Rahayu, Yeni Dwi NIDN0716108602
Contact Email Address:	ihim512@gmail.com
Date Deposited:	05 Sep 2023 01:16
Last Modified:	05 Sep 2023 01:16
URI:	http://repository.unmuhjember.ac.id/id/eprint/19737

Actions (login required)

View Item