IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI PENYAKIT PNEUMONIA

Zulfikar, Muhammad (2022) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI PENYAKIT PNEUMONIA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (569kB)
	Text (BAB I) BAB I.pdf Download (139kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (340kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (158kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (307kB)
	Text (BAB V) BAB V.pdf Download (73kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (84kB)
	Other (SOURCE CODE) Source Code 18.11.2328 Muhammad Zulfikar.rar Restricted to Repository staff only Download (214kB)
	Text (PUBLIKASI) Publikasi 18.11.2328 2328_Muhammad Zulfikar.pdf Restricted to Repository staff only Download (376kB)

Abstract

Pada masa pandemi yang dimulai tahun 2019 dunia dilanda sebuah virus yang bernama corona virus atau biasa disebut Covid-19. Virus ini bersifat mematikan karena menyerang organ paru-paru manusia yang akan mengakibatkan berbagai penyakit dalam paru-paru salah satunya pneumonia. Pneumonia adalah pernyakit paru-paru yang tidak hanya disebabkan oleh virus saja, penyakit ini juga bisa disebabkan oleh berbagai jamur dan bakteri. Untuk mengetahui atau mendiagnosa bahwa seseorang terkena pneumonia yaitu dengan cara melihat dari gambar x-ray dibagian dada seseorang setelah itu dianalisis apakah seseorang tersebut terkena pneumonia atau tidak. Tentunya hal ini membutuhkan tenaga ahli dan memakan waktu yang lama dan kesalahan sedikit saja bisa berakibat fatal. Oleh karena itu, pada penelitian ini berfokus pada diagnosa pneumonia tanpa tenaga ahli dengan tepat, cepat, dan akurat. Penelitian ini menggunakan metode machine learning untuk mengklasifikasi penyakit pneumonia. Dalam penerapannya penelitian ini menggunakan model dari salah satu arsitektur Convolution Neural Network (CNN) yaitu EfficientNet. Selain itu, dalam pengujiannya dilakukan berbagai skenario uji coba dengan data augmentasi yang berbeda-beda. Dengan menerapkan hal tersebut penelitian ini mendapatkan hasil akurasi sebesar 96.97% di akurasi training dan 94,36% diakurasi validation dengan data augmentasinya yaitu rotation, zoom, flip, shift, dan resize. Dapat disimpulkan bahwa klasifikasi pneumonia dapat dilakukan dengan memanfaatkan teknologi komputer yaitu metode machine learning.

Actions (login required)

View Item