RIANTO, ASIS (2023) OPTIMASI HYPERPARAMETER CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA UNTUK DETEKSI COVID-19 PADA CITRA THORAX. Other thesis, UPN Veteran Yogyakarta.
![[thumbnail of 1. Skripsi Fulltext_123160095_ASIS RIANTO.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
1. Skripsi Fulltext_123160095_ASIS RIANTO.pdf Restricted to Repository staff only Download (7MB) |
|
Text
2. Abstrak_123160095_ASIS RIANTO.pdf Download (96kB) |
|
Text
3. Cover_123160095_ASIS RIANTO.pdf Download (122kB) |
|
Text
4. Halaman Pengesahan_123160095_ASIS RIANTO.pdf Download (517kB) |
|
Text
5. Daftar Isi_123160095_ASIS RIANTO.pdf Download (133kB) |
|
Text
6. Daftar Pustaka_123160095_ASIS RIANTO.pdf Download (99kB) |
Abstract
Dalam beberapa tahun terakhir, Coronavirus Disease (COVID-19) yang disebabkan
oleh virus SARS-CoV-2 telah menyebabkan pandemi global dan kematian yang terus
meningkat. Deteksi dini pada pasien terinfeksi COVID-19 perlu dilakukan untuk
mencegah penyebaran lebih lanjut dan menurunkan tingkat kematian yang disebabkannya. Meskipun Convolutional Neural Network (CNN) telah digunakan secara luas untuk tugas
klasifikasi citra, metode ini memiliki masalah jika diterapkan pada model deteksi COVID- 19 terutama pada sulitnya pemilihan hyperparameter optimal karena harus dilakukan trial
and error secara manual. Pemilihan hyperparameter yang tidak tepat justru dapat
mempengaruhi akurasi model CNN dalam mendeteksi COVID-19. Penelitian ini mengusulkan metode CNN dengan hyperparameter yang
dioptimalkan secara otomatis menggunakan Algoritma Genetika. Algoritma Genetika
digunakan untuk mengoptimalkan hyperparameter CNN yang terdiri dari number of filter, kernel size, dropout, dan learning rate sehingga akurasi model meningkat. Model yang
diusulkan dapat mendeteksi COVID-19 melalui identifikasi keberadaan lesi berupa Grand
Glass Opacity (GGO) pada citra Rontgen Thorax atau Chest X-Ray (CXR) untuk
mendapatkan hasil klasifikasi apakah citra tersebut termasuk ke dalam kelas COVID-19
atau Normal. Hasil penelitian menunjukkan bahwa model yang dibangun menggunakan CNN
dapat melakukan deteksi COVID-19 dengan baik. Selain itu akurasi model meningkat
dengan menerapkan optimasi hyperparameter CNN menggunakan Algoritma Genetika. Skor akurasi model setelah optimasi mencapai 95%, dengan presisi sebesar 92.45%, recall
sebesar 98%, dan f-1 score sebesar 95.14%. Peningkatan akurasi ini menunjukkan
efektivitas Algoritma Genetika dalam meningkatkan akurasi CNN dalam mendeteksi
COVID-19 pada citra thorax. Kata Kunci: Optimasi hyperparameter, Convolutional Neural Network, Algoritma
Genetika, Deteksi COVID-1
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Optimasi hyperparameter, Convolutional Neural Network, Algoritma Genetika, Deteksi COVID-19 |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | A.Md Sepfriend Ayu Kelana Giri |
| Date Deposited: | 23 Aug 2023 08:03 |
| Last Modified: | 23 Aug 2023 08:03 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/37110 |
Actions (login required)
 |
View Item |