Mokhram, Ahmad Firmansyah (2022) PERBANDINGAN ARSITEKTUR CNN VGG16 DAN VGG19 DALAM MENDETEKSI VIRUS COVID-19. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (233kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (444kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (445kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (553kB) |
|
Text (BAB V)
BAB V.pdf Download (47kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (94kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code 17.11.1696 Ahmad Firmansyah Mokhram.rar Restricted to Repository staff only Download (3kB) |
|
Text (PUBLIKASI)
Publikasi 17.11.1696 Ahmad Firmansyah Mokhram.pdf Restricted to Repository staff only Download (806kB) |
Abstract
COVID-19 adalah jenis penyakit baru yang disebabkan oleh virus servere acute respiratory syndrome coronavirus (SARS-CoV-2). Secara medis pendeteksian yang dilakukan untuk menganalisavirus tersebut adalah dengan cara Reserve-transcription Polymerse Chain Reaction (RT-PCR), Tes Cepat Molekuler (TCM) dan Rapid Test. Dalam bidang ilmu computer, menggunakan jaringan saraf convolutional Neural Network (CNNs) untuk mengklasifikasi gambar rontgen dada telah menunjukan kinerja akurasi tinggi di bidang pengenalan gambar dan deteksi objek. Dalam penulis ini penulis berinisiatif untuk melakukan penelitian mengenai perbandingan tingkat akurasi terhadap arsitektur VGG16 dan VGG19 dengan dataset rontgen dada orang yang terkena virus COVID-19 untuk mengetahui arsitektur CNN terbaik. Dataset pada penelitian ini diambil dari Kaggle dataset repository sebanyak 2000 data citra. Berdasarkan proses uji coba yang sudah dilakukan dengan pembagian data 80%, 10%, dan 10%. Arsitektur CNN VGG16 menghasilkan nilai akurasi terbaik yaitu sebesar 99.48% dengan jumlah batch size 32 dan epoch sebanyak 30.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | COVID-19, Convolutional Neural Network, Klasifikasi, VGG16, VGG19 | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 28 Dec 2022 06:49 | ||
| Last Modified: | 31 Jul 2023 02:05 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/13739 |
Actions (login required)
 |
View Item |