Klasifikasi Citra Chest X-Ray (CXR) penyakit COVID-19 dan normal dengan metode Convolutional

Azizi, Nur Chikmi (2022) Klasifikasi Citra Chest X-Ray (CXR) penyakit COVID-19 dan normal dengan metode Convolutional. Undergraduate (S1) thesis, Universitas Islam Negeri Walisongo Semarang.

[thumbnail of SKRIPSI_1608026002_Nur_Chikmi] Text (SKRIPSI_1608026002_Nur_Chikmi)
1608026002_NUR CHIKMI AZIZI_ Full skripsi - Chikmi Azizi.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (6MB)

Abstract

Diagnosis penyakit COVID-19 yang cepat dan akurat memiliki peran penting dalam membantu tenanga medis untuk memberikan perawatan yang tepat waktu. CXR dapat menjadi alternatif yang baik dalam diagnosis COVID-19 dibanding dengan RT-PCR yang memiliki sensitivitas rendah. Namun, terkadang kualitas CXR kurang optimal sehingga waktu yang dibutuhkan cukup lama. Penelitian ini bertujuan untuk membuat model klasifikasi CXR penyakit COVID-19 dan normal yang efektif dan efisien menggunakan python. Metode Convolutional Neural Network (CNN) dengan data sebanyak 200 citra CXR digunakan dalam penelitian ini. Sebelum melatih model yang diusulkan, dilakukan preprocessing seperti pelabelan, resize, dan mengubah ke grayscale. Berdasarkan hasil pengujian dari model yang diusulkan diperoleh waktu rata-rata yang dibutuhkan 3 s, nilai rata-rata akurasi sebesar 96% dan nilai rata-rata loss sebesar 15,29%. Model yang diusulkan lebih efektif dan efisien sehingga dapat memberikan solusi penanganan kasus

Item Type: Thesis (Undergraduate (S1))
Uncontrolled Keywords: Convolutional neural network; COVID-19; python
Subjects: 500 Natural sciences and mathematics > 530 Physics > 535 Light and related radiation
Divisions: Fakultas Sains dan Teknologi > 45201 - Fisika
Depositing User: Bahrul Ulumi
Date Deposited: 15 Apr 2023 02:51
Last Modified: 15 Apr 2023 02:51
URI: https://eprints.walisongo.ac.id/id/eprint/19772

Actions (login required)

View Item
View Item

Downloads

Downloads per month over past year

View more statistics