KLASIFIKASI PENYAKIT PARU TUBERKULOSIS BERDASARKAN CITRA X-RAY DADA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Passya, Ihza Luckyan (2023) KLASIFIKASI PENYAKIT PARU TUBERKULOSIS BERDASARKAN CITRA X-RAY DADA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER.pdf Download (120kB)
	Text ABSTRAK.pdf Download (133kB)
	Text DAFTAR ISI.pdf Download (143kB)
	Text DAFTAR PUSTAKA.pdf Download (178kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (301kB)
	Text PENGESAHAN PENGUJI.pdf Download (312kB)
	Text SKRIPSI FULL_IHZA LUCKYAN PASSYA_123180046.pdf Restricted to Repository staff only Download (3MB)

Abstract

Tuberkulosis (TB) adalah penyakit infeksi menular oleh mycrobacterium
tuberculosis yang sering terjadi di paru-paru dan salah satu penyebab utama kematian di
seluruh dunia. Diagnosa TB dapat dilakukan melalui citra X-ray dada, namun interpretasi
manualnya rentan kesalahan karena kompleksitas patologi dan variasi lesi paru yang bisa
mengakibatkan kesalahan bahkan pada ahli radiologi terlatih. Penggunaan machine
learning, khususnya Convolutional Neural Network (CNN), membantu awal dalam
mendiagnosis penyakit paru-paru. CNN adalah arsitektur jaringan saraf dalam machine
learning yang sering digunakan untuk analisis gambar visual.
Pada penelitian ini menentukan akurasi optimal dengan mengatur kombinasi
hyperparameter menggunakan CNN untuk klasifikasi penyakit paru tuberkulosis,
pneumonia, covid-19, dan kondisi normal berdasarkan citra X-ray dada. Hyperparameter
yang diuji melibatkan jumlah convolutional layer dengan variasi antar 3 dan 4 lapisan,
batch size bernilai 16 dan 32, jumlah epochs 25 dan 100 serta membandingkan
penggunakan optimizer Adam dan SGD. Selanjutnya, dilakukan 16 kali pelatihan dengan
variasi hyperparameter. Hasil pengujian terbaik terjadi pada model dengan kombinasi 3
convolutional layer, batch size 16, epochs 100, dan optimizer SGD dengan akurasi yang
didapatkan sebesar 96,97%. Hasil tersebut dievaluasi menggunakan confusion matrix
mendapatkan recall 97%, precision 96,75%, dan f-1 score 97%. Perbedaan
hyperparameter dapat berdampak pada akurasi, sehingga perlu eksplorasi lebih lanjut
untuk mencapai hasil optimal.
Kata Kunci: Hyperparameter, Convolutional Neural Network, X-ray dada

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Hyperparameter, Convolutional Neural Network, X-ray dada
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	20 Oct 2023 07:12
Last Modified:	20 Oct 2023 07:12
URI:	http://eprints.upnyk.ac.id/id/eprint/38029

Actions (login required)

View Item