PENERAPAN CONVOLUTIONAL NEURAL NETWORK UNTUK DIAGNOSA PENYAKIT TBC

Pujantoro, Sidiq Afriadi (2024) PENERAPAN CONVOLUTIONAL NEURAL NETWORK UNTUK DIAGNOSA PENYAKIT TBC. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (811kB)
[img] Text (BAB I)
BAB I.pdf
Download (169kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (569kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (109kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB V)
BAB V.pdf
Download (53kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (87kB)
[img] Archive (SOURCE CODE)
Sourcecode - 20.11.3692.zip
Restricted to Repository staff only
Download (906kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (606kB)

Abstract

Tuberculosis (TB) adalah penyakit yang disebabkan oleh Mycobacterium tuberculosis. Tuberculosis bisa menyerang bagian paru-paru dan dapat menyerang semua bagian tubuh. Tuberculosis adalah penyakit menular langsung, sebagian besar kuman TB menyerang paru-paru, tetapi dapat juga mengenai organ tubuh lainnya. Tuberculosis adalah penyakit infeksius kronis dan berulang biasanya mengenai organ paru yang disebabkan oleh Mycobacterium tuberculosis. Identifikasi penyakit TBC tidak mudah maka dari itu diperulukan suatu aplikasi untuk membantu mengidentifikasi penyakit TBC berdasarkan citra sampel dahak. Rumusan masalah dari penelitian ini adalah mengetahui bagaimana tingkat akurasi CNN dalam melakukan klasifikasi penyakit TBC. Dalam bidang kecerdasan buatan, salah satu algoritma terbaik yang dapat digunakan untuk melakukan klasifikasi citra adalah Convolutional Neural Network (CNN). Hasil pengujian menunjukkan bahwa model yang telah dilatih memiliki performa yang sangat baik, dengan akurasi pelatihan akhir sebesar 96.15% dan akurasi pengujian akhir sebesar 95.61%. Dengan akurasi yang hampir sama pada kedua dataset, dapat disimpulkan bahwa model ini stabil dan efektif dalam tugas klasifikasi yang dihadapinya.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Sulistiyono, Mulia
Uncontrolled Keywords: Tuberculosis (TB), Mycobacterium Tuberculosis, Citra Sampel Dahak, Convolutional Neural Network (CNN), Kecerdasan Buatan
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 06 Dec 2024 07:49
Last Modified: 06 Dec 2024 07:49
URI: http://eprints.amikom.ac.id/id/eprint/28671

Actions (login required)

View Item View Item