Maulidalinda Choirun Nisa, 4112317028 (2020) IMPLEMENTASI DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IMAGE CLASSIFICATION PADA PENYAKIT PARU PNEUMONIA BERDASARKAN DIGITAL X-RAY SYSTEM DENGAN BANTUAN GOOGLE COLAB. Under Graduates thesis, Universitas Negeri Semarang.

PDF (IMPLEMENTASI DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IMAGE CLASSIFICATION PADA PENYAKIT PARU PNEUMONIA BERDASARKAN DIGITAL X-RAY SYSTEM DENGAN BANTUAN GOOGLE COLAB) - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Pneumonia adalah salah satu infeksi saluran napas yang disebabkan oleh bakteri, virus serta mikroplasma yang sering dijumpai pada anak-anak maupun orang dewasa di negara berkembang. Pneumonia adalah salah satu masalah kesehatan dunia karena 19% dari kematian anak usia di bawah lima tahun (balita). Permasalahan yang terjadi yaitu pada pemeriksaan penyakit paru-paru yaitu masih menggunakan pemeriksaan radiologi yang dikenal dengan Sinar-X (foto Rontgen) yang memiliki kekurangan dalam pengamatan visual dalam pembacaan hasil foto rontgen hal ini masih dilakukan secara manual, yang menyebabkan akurasi kurang baik dan subjektif. Sehingga dibutuhkan teknologi yang dapat membantu dalam bidang kesehatan untuk menganalisa foto rontgen pasien dengan cepat dan akurat yaitu menggunakan teknologi informasi berbasis komputer dan data. Penelitian ini bertujuan untuk membuat model, tingkat keakurasian dan prediksi dalam mengidentifikasi penyakit paru Pneumonia dengan menggunakan metode Convolutional Neural Network (CNN). Data yang digunakan menggunakan data sekunder yang diperoleh dari kaggle yaitu menggunakan data trainning 5214 dan data testing 624 data. Hasil akhir dari penelitian ini, model untuk mengklasifikasi penyakit paru pneumonia dengan gambar rontgen menggunakan google colab. Layer yang digunakan terdiri dari 5 convolution layer, dengan stides 1, dan 5 pooling layer dengan ukuran 2×2,dengan stides 2, menggunakan 4 dropout layer, 2 dense layer dan 1 flatten layer. Fungsi aktivasi yang digunakan yaitu ReLu dan Sigmoid, dengan filter sebanyak 150 dan ukuran kernel 3×3, dengan optimizer menggunakan adam. Tingkat akurasi yang diperoleh dari model Convolutional Neural Network (CNN) pada proses training sebesar 96,22% dan 91,66% pada proses testing. Hasil prediksi digunakan dalam mengidentifikasi penyakit paru Pneumonia menggunakan gambar rontgen diprediksi untuk False Positve (FP) ada 7 prediksi gambar rontgen Positif Pneumonia yang salah dan False Negatif (FN) ada 45 data rontgen Pneumonia yang diprediksi tidak Pneumonia (normal), ternyata Pneumonia. Sehingga dapat disimpulkan bahwa implementasi Deep Learning dengan menggunakan metode Convolutional Neural Network (CNN) mampu melakukan klasifikasi penyakit paru pneumonia menggunakan gambar rontgen dengan baik

Actions (login required)

View Item