KLASIFIKASI PARU-PARU NORMAL, COVID-19, DAN PNEUMONIA BERDASARKAN CITRA RONTGEN MENGGUNAKAN METODE KLASIFIKASI CNN

Ali, din (2022) KLASIFIKASI PARU-PARU NORMAL, COVID-19, DAN PNEUMONIA BERDASARKAN CITRA RONTGEN MENGGUNAKAN METODE KLASIFIKASI CNN. S1 thesis, Universitas Mataram.

[img] Text
LAPORAN TUGAS AKHIR-ALIDIN F1D018006.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

COVID-19 adalah penyakit menular yang disebabkan oleh keluarga besar coronavirus, yaitu Severe Acute Respiratory Syndrome Coronavirus 2 (SARSCoV2). Penyebaran COVID-19 begitu cepat dan meluas sehingga deteksi dini diperlukan untuk meminimalkan risiko. Penelitian ini bertujuan untuk membangun model arsitektur CNN yang dapat membantu proses pendeteksian dini penyakit tersebut. pencarian metode preprocessing yang optimal juga akan dilakukan untuk meningkatkan kualitas citra. Dataset yang digunakan adalah citra rontgen paru-paru yang terdiri dari 1.500 citra normal, 1.500 citra COVID-19, dan 1.345 citra Viral Pneumonia. Penelitian ini bertujuan untuk mengembangkan model arsitektur bernama Udin-net yang diharapkan dapat mengklasifikasikan citra secara optimal, efisien, efektif untuk ahli medis di dunia kesehatan, dan menjadi referensi bagaimana membangun model machine learning serta mengetahui metode preprocessing yang optimal untuk melakukan klasifikasi citra. Penelitian ini menghasilkan dua jenis arsitektur. Yang pertama adalah Mini Udin-net dengan akurasi rata-rata 92%, waktu eksekusi percitra mencapai 2ms dan ukuran model yang hanya mencapai 37MB. Dan Extended Udin-net dengan akurasi rata-rata 91%, waktu eksekusi percitra 2ms dan ukuran model kurang dari 80MB

Item Type: Thesis (S1)
Keywords (Kata Kunci): Covid-19, Citra Rontgen, Preprocessing, Klasifikasi, CNN, Udin- Net.
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Fakultas Teknik
Depositing User: Meike Megawati
Date Deposited: 18 Nov 2022 07:10
Last Modified: 18 Nov 2022 07:10
URI: http://eprints.unram.ac.id/id/eprint/33268

Actions (login required)

View Item View Item