Search for collections on Universitas YARSI Repository

Implementasi 1D-Convolutional Neural Network Untuk Klasifikasi Pneumonia Berbasis Citra Chest X-Ray Dan Tinjuannya Menurut Agama Islam

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.

[img]
Preview
Text
Cover I.pdf

Download (18kB) | Preview
[img] Text
ABSTRAK.pdf

Download (12kB)
[img] Text
HALAMAN PENGESAHAN.pdf

Download (271kB)
[img] Text
BAB 1 PENDAHULUAN.pdf

Download (232kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (159kB)
[img] Text
BAB 2 TINJAUAN PUSTAKA.pdf
Restricted to Registered users only

Download (371kB)
[img] Text
BAB 3 METODOLOGI PENELITIAN.pdf
Restricted to Registered users only

Download (421kB)
[img] Text
BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Registered users only

Download (830kB)
[img] Text
BAB 5 TINJAUAN AGAMA ISLAM.pdf
Restricted to Registered users only

Download (403kB)
[img] Text
BAB 6 PENUTUP.pdf
Restricted to Registered users only

Download (15kB)
[img]
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.

Item Type: Thesis (Diploma)
Additional Information: S-616-FTI
Uncontrolled Keywords: Chest X-Ray, Convolutional Neural Network, Pneumonia
Subjects: L Education > L Education (General)
T Technology > T Technology (General)
Depositing User: Unnamed user with email admin@yarsi.ac.id
Date Deposited: 09 Feb 2021 02:27
Last Modified: 21 Apr 2022 01:38
URI: http://digilib.yarsi.ac.id/id/eprint/4840

Actions (login required)

View Item View Item