KLASIFIKASI PENYAKIT CORONA VIRUS (COVID19) MELALUI CHEST X-RAY IMAGES BERBASIS DEEP LEARNING

FARHANDY, ERZHA ANGES (2022) KLASIFIKASI PENYAKIT CORONA VIRUS (COVID19) MELALUI CHEST X-RAY IMAGES BERBASIS DEEP LEARNING. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
 Text (HAL COVER)
01 Cover.pdf
Download (1MB) | Preview
[img]
Preview
 Text (ABSTRAK)
02 Abstrak.pdf
Download (23kB) | Preview
[img] Text (BAB I)
03 BAB 1.pdf
Restricted to Registered users only
Download (101kB)
[img] Text (BAB II)
04 BAB 2.pdf
Restricted to Registered users only
Download (334kB)
[img] Text (BAB III)
05 BAB 3.pdf
Restricted to Registered users only
Download (44kB)
[img] Text (BAB IV)
06 BAB 4.pdf
Restricted to Registered users only
Download (302kB)
[img] Text (BAB V)
07 BAB 5.pdf
Restricted to Registered users only
Download (79kB)
[img] Text (DAFTAR PUSTAKA)
08 Daftar Pustaka.pdf
Restricted to Registered users only
Download (119kB)
[img] Text (LAMPIRAN)
09 Lampiran.pdf
Restricted to Registered users only
Download (121kB)

Abstract

Penyakit Coronavirus (COVID19) adalah penyakit menular yang disebabkan oleh virus Sars-CoV-2, penyakit ini menular dengan cepat di seluruh dunia. Berbagai penelitian pun dilakukan untuk mengontrol penyebaran Covid-19. Salah satu cara untuk mendeteksi Covid-19 yaitu dengan mempelajari citra chest x-ray pasien dengan gejala Covid-19. Namun untuk mendeteksi Covid-19 melaui citra x-ray dibutuhkan dokter spesialis radiologi yang saat ini jumlahnya masih sedikit. Dalam studi ini, penelitian dilakukan untuk mendeteksi penyakit Covid-19 melalui citra chest x-ray dengan pendekatan deep learning berbasis convolutional neural network (CNN). sebelum melatih model, dilakukan preprocessing data seperti pelabelan dan pengubahan ukuran. Penelitian ini menggunakan model CNN dengan 3 lapis layer convolution dan maxpooling serta fully-connected layer untuk output. Hasil training menggunakan metode CNN menghasilkan performa yang cukup baik, dengan nilai akurasi (acc) pelatihan terbaik diperoleh pada epoch ke-31 dengan nilai 0,9593, training loss (loss) 0,1306, validasi accuracy (val_acc) 0,9604, dan validasi loss (val_loss). 0.1399. Kata Kunci: Klasifikasi, Covid-19, CNN, deep learning, chest x-ray

Item Type: Thesis (S1)
Call Number CD: FIK/INFO. 22 061
NIM/NIDN Creators: 41518110005
Uncontrolled Keywords: Klasifikasi, Covid-19, CNN, deep learning, chest x-ray
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 010 Bibliography/Bibliografi
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 010 Bibliography/Bibliografi > 017 General Subject Catalog/Katalog Subjek Umum
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.4 Subject Analysis and Control/Subjek Analisis dan Kontrol Perpustakaan > 025.43 General Classification Systems/Sistem Klasifikasi Umum
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: ELMO ALHAFIIDH PUTRATAMA
Date Deposited: 19 Sep 2022 05:19
Last Modified: 21 Sep 2022 01:45
URI: http://repository.mercubuana.ac.id/id/eprint/69281

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.