KLASIFIKASI PENYAKIT BERDASARKAN DATASET CITRA THORAX MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DENGAN EKSTRAKSI FITUR CONVOLUTIONAL NEURAL NETWORK (CNN)

Diaz Dwi, Kurniawan (2023) KLASIFIKASI PENYAKIT BERDASARKAN DATASET CITRA THORAX MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DENGAN EKSTRAKSI FITUR CONVOLUTIONAL NEURAL NETWORK (CNN). S1 thesis, Universitas Mataram.

Text Laporan TA_F1B019040_Diaz Dwi Kurniawan.pdf Restricted to Repository staff only Download (3MB)

Abstract

Tuberkulosis merupakan suatu penyakit infeksi kronis atau menahun dan menular langsung yang disebabkan oleh bakteri mycobacterium tuberculosis. Sedangkan pneumonia merupakan peradangan pada paru-paru yang disebabkan oleh infeksi virus, bakteri, atau jamur. Menurut WHO pada tahun 2019, di Indonesia jumlah kasus penyakit tuberkulosis dengan jumlah sebanyak 842.000 atau 46% dari total kasus yang ada. Pada tahun yang sama, pneumonia merenggut nyawa 740.180 anak dibawah usia 5 tahun di seluruh dunia. Untuk mengurangi tingginya angka kematian tersebut, perlu dilakukan pengendalian dengan cara mendiagnosa penyakit tersebut kepada pasien dengan cepat. Tujuan dari penelitian ini adalah untuk memperoleh akurasi yang tinggi dengan Convolutional Neural Network (CNN) dengan arsitektur Densenet-169 sebagai ekstraksi fitur dan Support Vector Machine (SVM) sebagai algoritma klasifikasi. Dataset yang digunakan diperoleh dari Kaggle dan berjumlah 7.200 citra yang terdiri dari 4.000 citra normal, 700 citra tuberkulosis, dan 2.500 citra pneumonia. Perancangan website dilakukan untuk mengembangkan website klasifikasi penyakit citra thorax dengan menggunakan model yang telah dibuat. Pada data uji sebanyak 720 citra, didapatkan nilai terbaik dengan model CNN-SVM dengan nilai Precision 98,25%, Recall 95,38%, dan F1-score 96,79% untuk kelas normal. Precision 85,71%, Recall 95,23%, dan F1-score 90,21% untuk kelas TBC. Precision 96%, Recall 98%, dan F1-score 97% pada kelas Pneumonia. Sedangkan nilai Accuracy model sebesar 96,25%

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Tuberkulosis, Pneumonia, Support Vector Machine, Convolutional Neural Network, Densenet-169.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	22 Nov 2023 01:19
Last Modified:	22 Nov 2023 01:19
URI:	http://eprints.unram.ac.id/id/eprint/43544

Actions (login required)

View Item