IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA X-RAY PARU-PARU DALAM SISTEM APLIKASI PENDETEKSI TUBERKULOSIS | Perpustakaan Institut Teknologi Indonesia
Perpustakaan Institut Teknologi Indonesia

Collection Detail

No image available for this title
Tugas Akhir Sarjana

IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA X-RAY PARU-PARU DALAM SISTEM APLIKASI PENDETEKSI TUBERKULOSIS

DANDI RIFALDI ALDIANSYAH - Nama Orang;

Tuberkulosis merupakan suatu penyakit infeksi berbahaya mematikan pada paru-paru dan disebabkan oleh bakteri Mycobacterium tuberculosis yang dapat menular melalui udara ketika seorang penderita tuberkulosis batuk, bersin, atau meludah dan dapat menyebabkan gangguan pernapasan, seperti batuk kronis dan sesak napas. Didunia, sekitar 10 juta orang lebih terjangkit penyakit ini, sementara di Indonesia sendiri pada tahun 2020 terdapat 390.000 lebih kasus tuberkulosis. Pada diagnosanya terkadang terlalu subjektif dalam mendeteksi tuberkulosis, tak jarang juga terjadi perdebatan antara tenaga medis atau dokter unutk menetapkan pasien terinfeksi tuberkulosis. Oleh karena itu, dibutuhkan teknologi computer vision yang dapat mendeteksi secara akurat dan cepat. Algoritma Convolutional Neural Network yang termasuk jenis Deep Learning yang banyak diterapkan pada klasifikasi citra dan dapat mengungguli metode lainnya dapat dijadikan metode dalam mendeteksi citra. Maka, dalam penelitian ini dilakukan analisis model dan klasifikasi tuberkulosis dengan algoritma Convolutional Neural Network mengggunakan data citra X-ray paru-paru manusia. Pada penelitian ini metode yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM) dan dilakukan perbandingan 3 model Convolutional Neural Network dengan jumlah hidden layers yang berbeda. Sebelum komputer melatih data, data tersebut diolah terlebih dahulu pada tahapan data preparation yang diantaranya mengubah ukuran atau resize, merubah citra menjadi keabuan atau grayscaling, dan data augmentation. Hasil penelitian ini menunjukan bahwa model dengan 5 hidden layers merupakan model terbaik yang berhasil mendapatkan tingkat akurasi hingga 98,0%. Selanjutnya, hasil dari model terbaik tersebut diimplementasikan pada sistem aplikasi pendeteksi tuberkulosis berbasis website yang dapat menganalisis citra X-ray paru-paru dan mengeluarkan hasil klasifikasi dengan cepat dan akurat.

Kata kunci: Tuberkulosis, Klasifikasi, X-ray, Convolutional Neural Network (CNN), Cross-Industry Standard Process for Data Mining (CRISP-DM)

Ketersediaan
#LokasiNo. PanggilKode EksemplarStatus
1Perpustakaan ITIIF 2023 017IF2023017Tersedia
2Perpustakaan ITIIF 2023 017IF2023017-CDTersedia
Informasi Detail
Judul Seri -
No. Panggil IF 2023 017
Penerbit INFORMATIKA (2023)
Deskripsi Fisik -
Bahasa Indonesia
ISBN/ISSN -
Klasifikasi NONE
Tipe Isi -
Tipe Media -

Tidak Ada Data


Chat via WhatsApp
Menu