IDENTIFIKASI PENYAKIT PARU-PARU BERDASARKAN CITRA FOTO THORAX MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Nuryahya, Arsyad Finan (2021) IDENTIFIKASI PENYAKIT PARU-PARU BERDASARKAN CITRA FOTO THORAX MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

[thumbnail of ABSTRAK.pdf]
Preview
Text
ABSTRAK.pdf

Download (7kB) | Preview
[thumbnail of COVER.pdf]
Preview
Text
COVER.pdf

Download (234kB) | Preview
[thumbnail of DAFTAR ISI.pdf]
Preview
Text
DAFTAR ISI.pdf

Download (383kB) | Preview
[thumbnail of DAFTAR PUSTAKA.pdf]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (129kB) | Preview
[thumbnail of HALAMAN PENGESAHAN PEMBIMBING.pdf]
Preview
Text
HALAMAN PENGESAHAN PEMBIMBING.pdf

Download (496kB) | Preview
[thumbnail of SKRIPSI-FULL-Arsyad-Finan-Nuryahya-123160117.pdf] Text
SKRIPSI-FULL-Arsyad-Finan-Nuryahya-123160117.pdf
Restricted to Repository staff only

Download (2MB)

Abstract

Paru-paru merupakan organ penting dan vital yang mudah terjadi infeksi karena
berinteraksi langsung dari lingkungan luar. Infeksi yang terjadi pada paru dapat diperiksa
melalui pemeriksaan pada citra x-ray, tetapi dalam pembacaan diagnosis klinis dari hasil citra
x-ray masih terpengaruh oleh tumpang tindih bagian objek yang tidak menjadi perhatian, yang
mengakibatkan seorang dokter ataupun radiolog melakukan perhitungan nilai CTR secara
subyektif, sehingga antara satu dokter dengan dokter yang lain bisa mengalami perbedaan
dalam menganalisa hasil. Untuk mempermudah menganalisa diagnosa dari hasil citra x-ray
tersebut, maka pada penelitian ini dilakukan proses pengklasifikasikan penyakit berdasarkan
citra x-ray menggunakan metode CNN dengan arsitektur MobileNet. Data yang digunakan
merupakan data sekunder yang diambil dari website resmi NIH dengan jumlah data 120.000
gambar, dan data dibagi menjadi 3 bagian yaitu data latih dengan persentase 80%, data validasi
20% dan data uji sebanyak 90 gambar.
Hasil menunjukkan dengan epoch sebesar 25 dan learning rate sebesar 0.0001 mampu
memberikan nilai akurasi sebesar 84.44%.

Kata Kunci: Thorax, klasifikasi, CNN.

Item Type: Thesis (Other)
Uncontrolled Keywords: Thorax, klasifikasi, CNN.
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eko Yuli
Date Deposited: 24 Mar 2021 04:50
Last Modified: 02 Dec 2022 07:53
URI: http://eprints.upnyk.ac.id/id/eprint/24983

Actions (login required)

View Item View Item