Fauzi, Sri Cahya (2019) Implementasi 1D-Convolutional Neural Network Untuk Klasifikasi Pneumonia Berbasis Citra Chest X-Ray Dan Tinjuannya Menurut Agama Islam. Diploma thesis, Universitas YARSI.

Preview	Text Cover I.pdf Download (18kB) | Preview
	Text ABSTRAK.pdf Download (12kB)
	Text HALAMAN PENGESAHAN.pdf Download (271kB)
	Text BAB 1 PENDAHULUAN.pdf Download (232kB)
	Text DAFTAR PUSTAKA.pdf Download (159kB)
	Text BAB 2 TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (371kB)
	Text BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Registered users only Download (421kB)
	Text BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only Download (830kB)
	Text BAB 5 TINJAUAN AGAMA ISLAM.pdf Restricted to Registered users only Download (403kB)
	Text BAB 6 PENUTUP.pdf Restricted to Registered users only Download (15kB)
Preview	Text HALAMAN PERNYATAAN ORISINALITAS.pdf Download (225kB) | Preview

Abstract

Pneumonia adalah penyakit infeksi yang menyerang paru-paru, penyakit ini menyebabkan kantung udara di dalam paru-paru meradang dan membengkak yang disebabkan oleh jamur, bakteri dan virus yang dapat menyerang siapa saja, termasuk anak-anak. Untuk mendeteksi pneumonia yaitu dengan melakukan foto rontgen dada, kemudian hasil foto rontgen tersebut dibaca oleh pakar. Akan tetapi, untuk mendapatkan hasil diagnosa masih memiliki kendala atau kekurangan. Seiring dengan perkembangan teknologi, metode Convolutional Neural Network (CNN) merupakan salah satu metode yang terbukti berhasil dalam menganalisis gambar. CNN diimplementasikan untuk mengklasifikasi citra pneumonia berdasarkan fitur Histogram of Oriented Gradient dan Gray Level Co-occurences Matrix. Tujuan dari penelitian ini adalah untuk mengevaluasi 1D-Convolutional Neural Network untuk mengklasifikasi citra chest X-Ray pneumonia berdasarkan ekstraksi fitur dengan berbagai arsitektur CNN untuk menghasilkan kinerja terbaik dalam akurasi dan membandingkannya dengan metode klasifikasi lain yang telah dibuat. Eksperimen yang dilakukan berdasarkan konfigurasi pada parameter. Parameter yang digunakan adalah jumlah hidden layer dan hidden unit. Hasil menunjukkan konfigurasi parameter terbaik mampu mencapai nilai akurasi sebesar 94% dan nilai AUC sebesar 0.93. Implementasi CNN untuk klasifikasi citra chest X-Ray pneumonia menurut Agama Islam merupakan hal yang diperbolehkan.

Actions (login required)

View Item