PERANCANGAN USER INTERFACE BERBASIS FRAMEWORK FLASK UNTUK DETEKSI COVID 19 PADA CITRA X-RAY PARU-PARU MENGGUNAKAN MODEL DEEP LEARNING

MITSAL, ARIQ and Yudho Suprapto, Bhakti (2023) PERANCANGAN USER INTERFACE BERBASIS FRAMEWORK FLASK UNTUK DETEKSI COVID 19 PADA CITRA X-RAY PARU-PARU MENGGUNAKAN MODEL DEEP LEARNING. Undergraduate thesis, Sriwijaya University.

	Text RAMA_20201_03041281924027.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text RAMA_20201_03041281924027_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text RAMA_20201_03041281924027_0011027503_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (393kB)
	Text RAMA_20201_03041281924027_0011027503_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (373kB) | Request a copy
	Text RAMA_20201_03041281924027_0011027503_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (242kB) | Request a copy
	Text RAMA_20201_03041281924027_0011027503_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_20201_03041281924027_0011027503_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (8kB) | Request a copy
	Text RAMA_20201_03041281924027_0011027503_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (83kB) | Request a copy
	Text RAMA_20201_03041281924027_0011027503_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (390kB) | Request a copy

Abstract

Covid-19 adalah virus pernapasan yang telah menjadi pandemi sejak tahun 2020. Metode deteksi Covid-19 dengan pencitraan medis dan deep learning telah terbukti menjadi solusi untuk diagnosis Covid-19. Namun, penelitian yang ada belum memanfaatkan dataset dari masyarakat Indonesia, khususnya dari kota Palembang. Dalam penelitian ini, dikembangkan model deep learning untuk deteksi Covid-19 dan user interface pengguna berupa website untuk memudahkan interaksi pengguna dengan model yang dirancang. Dataset yang digunakan berasal dari RSUP Dr. Rivai Abdullah, terdiri dari tiga kelas yaitu Covid-19, normal, dan TBC. Data sekunder dari website Kaggle digunakan sebagai penunjang pelatihan model. Total data yang digunakan adalah 10.000 data pelatihan dan 400 data pengujian. Pada penelitian ini ada empat arsitektur yang digunakan yaitu AlexNet, VGG-16, LeNet, dan arsitektur pengembangan dari LeNet. Hasil pelatihan masing-masing arsitektur adalah 96,99%, 99,77%, 93,08%, dan 92,12%, sedangkan hasil pengujian adalah 82,25%, 82,75%, 88,25%, dan 90,5%. Model hasil pelatihan etrsebut kemudian dideploy kedalam bentuk website dengan menggunakan framework flask untuk perancangan website sebagai API, sedangkan HTML dan CSS digunakan sebagai frontend. Fitur website terdiri dari tombol “pilih file” yang difungsikan untuk memilih citra yang ada pada device pengguna dan tombol submit untuk mengunggah citra ke website sehingga dapat di deteksi. Website yang dikembangkan diuji oleh ahli radiologi dalam penggunaan langsung oleh dokter radiologi, dengan hasil keberhasilan sebesar 80%. Kata kunci: Arsitektur, Covid-19, Deep Learning, Kota Palembang, Website

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Arsitektur, Covid-19, Deep Learning, Kota Palembang, Website
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1-9971 Electrical engineering. Electronics. Nuclear engineering > TK1 Electrical engineering--Periodicals. Automatic control--Periodicals. Computer science--Periodicals. Information technology--Periodicals. Automatic control. Computer science. Electrical engineering. Information technology.
Divisions:	03-Faculty of Engineering > 20201-Electrical Engineering (S1)
Depositing User:	Ariq Mitsal
Date Deposited:	11 Jul 2023 06:04
Last Modified:	11 Jul 2023 06:04
URI:	http://repository.unsri.ac.id/id/eprint/115428

Actions (login required)

View Item