KLASIFIKASI PENGENALAN PENYAKIT COVID-19 PADA PARU-PARU BERDASARKAN DATA CITRA RADIOGRAFI TORAKS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

ARRAYYAN, ANNISA and Utami, Alvi Syahrini and Marieska, Mastura Diana (2024) KLASIFIKASI PENGENALAN PENYAKIT COVID-19 PADA PARU-PARU BERDASARKAN DATA CITRA RADIOGRAFI TORAKS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, Sriwijaya University.

	Text RAMA_55201_09021382025150.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text RAMA_55201_09021382025150_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (11MB) | Request a copy
	Text RAMA_55201_09021382025150_0022127804_0021038607_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text RAMA_55201_09021382025150_0022127804_0021038607_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_55201_09021382025150_0022127804_0021038607_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (372kB) | Request a copy
	Text RAMA_55201_09021382025150_0022127804_0021038607_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (536kB) | Request a copy
	Text RAMA_55201_09021382025150_0022127804_0021038607_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (370kB) | Request a copy
	Text RAMA_55201_09021382025150_0022127804_0021038607_06.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (113kB) | Request a copy
	Text RAMA_55201_09021382025150_0022127804_0021038607_07_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (120kB) | Request a copy
	Text RAMA_55201_09021382025150_0022127804_0021038607_08_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (144kB) | Request a copy

Abstract

Penyakit COVID-19 merupakan penyakit yang disebabkan oleh virus SARS-CoV-2. Salah satu cara untuk mendiagnosis penyakit COVID-19 adalah dengan menggunakan radiografi toraks. Namun, diagnosis dengan radiografi toraks membutuhkan tenaga ahli yang terlatih. Untuk mengatasi hal tersebut, penelitian ini mengusulkan metode klasifikasi pengenalan penyakit COVID-19 pada paru-paru berdasarkan data citra radiografi toraks menggunakan convolutional neural network (CNN) dengan arsitektur VGG19. Convolutional neural network (CNN) secara umum dikenal berhasil menghasilkan akurasi yang baik dalam memproses dataset citra. Data citra radiografi toraks yang digunakan pada penelitian ini terdiri dari gambar radiografi paru COVID-19, gambar radiografi paru normal serta dua jenis gambar radiografi penyakit pada paru-paru lainnya. Penelitian ini bertujuan untuk mengembangkan perangkat lunak klasifikasi citra radiografi toraks menggunakan metode CNN dengan model VGG19 dan mengetahui perbandingan akurasi hasil dari klarifikasi dengan berbagai konfigurasi dataset dan parameter yang bervariasi. Hasil penelitian menunjukkan bahwa CNN dengan arsitektur VGG19 mampu memberikan akurasi, presisi, recall, dan F1-Score yang baik. Akurasi yang dihasilkan pada penelitian ini sebesar 85%, presisi sebesar 85%, recall sebesar 87%, dan F1-Score sebesar 85%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	RADIOGRAFDI TORAKS
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General)
Divisions:	09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User:	Annisa Arrayyan
Date Deposited:	23 Jan 2024 07:23
Last Modified:	24 Jan 2024 05:48
URI:	http://repository.unsri.ac.id/id/eprint/139440

Actions (login required)

View Item