DETEKSI COVID-19 PADA CITRA X-RAY MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN MEDIAN FILTER

James, Ronaldus Morgan (2021) DETEKSI COVID-19 PADA CITRA X-RAY MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN MEDIAN FILTER. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text 19.51.1188-Ronaldus Morgan James.pdf - Published Version Download (3MB)

Abstract

Meningkatnya jumlah penderita dan penyebaran COVID-19 di Indonesia semakin memprihatinkan, Dalam konsekuensinya, sangat penting untuk mengidentifikasi orang yang terinfeksi sehingga dapat mencegah penyebaran penyakit. Telah ada beberapa cara yang dilakukan untuk mendeteksi dan mendiagnosa COVID-19, salah satunya adalah menggunakan gambar X-ray. Dalam penelitian ini, fitur mendalam dan metode untuk memproses data dua dimensi sangat disarankan guna mendeteksi pasien yang terinfeksi coronavirus menggunakan gambar sinar-X. Convolutional Neural Network (CNN) adalah pengembangan Multi-Layer Perceptron (MLP), yang dirancang khusus untuk memproses data dua dimensi atau data gambar. CNN digunakan karena cocok pada dataset berukuran besar yang nantinya digunakan untuk pelatihan dan pengujian. Penulis juga menggunakan median filter sebagai image enhancement untuk memperbaiki citra saat proses klasifikasi dan melihat waktu komputasi yang ada. Pada proses klasifikasi dataset yang digunakan adalah 320 buah dan diaugmentasi menjadi 640 citra dan terdiri dari dua kategori, yaitu COVID-19 positif dan negatif. Penulis juga menyiapkan beberapa skenario dan arsitektur untuk mencari akurasi terbaik. Dari 4 model arsitektur yang ada, arsitektur CNN 3 atau arsitektur dari VGG16 tanpa median filter menjadi arsitektur paling baik yang menghasilkan akurasi sebesar 98.33 %

Actions (login required)

View Item