Klasifikasi Covid-19 pada citra x-rays menggunakan Deep Learning CNN : Convolutional Neural Network

Dewantari, Revita (2022) Klasifikasi Covid-19 pada citra x-rays menggunakan Deep Learning CNN : Convolutional Neural Network. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (615kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (117kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (103kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (109kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (5MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (344kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (101kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (105kB) | Request a copy

Abstract

Covid-19 (coronavirus disease 2019) kerusakan paru-paru yang memiliki gejala seperti SARS dan MERS yaitu penyakit pernapasan, gagal ginjal bahkan menyebabkan kematian. Covid-19 awal muncul pada desember 2019 di Wuhan, China dan WHO memasukkan penyakit ini dalam kategori KKMD/PHEIC pada Januari 2020. Telah dilakukan penelitian untuk memahami klasifikasi kerusakan paru-paru pada citra X-Ray menggunakan deep learning CNN yang ditimbulkan oleh wabah tersebut karena diperlukan mekanistik demi membantu permasalahan ini. Pertama penelitian menerapkan praproses thresholding median filter dengan nilai T 128 dan intensitas 256 untuk kualitas citra. Kedua menggunakan CNN untuk mengklasifikasikan citra berdasarkan kelas covid atau normal, mengetahui persentase kelas dan diagnosis jenis kelas citra yang diinput beserta visualisasinya. CNN terbagi menjadi 2 tahap yaitu ekstraksi citra (konvolusi, fungsi aktivasi, pooling) dan klasifikasi (fully connected). Model yang diterapkan yaitu model CNN sequential tensorflow. Jumlah citra yang digunakan sebanyak 94 citra. Dari 82 citra paru-paru dari kelas covid dan normal melalui beberapa tahap berdasarkan epoch serta ukuran piksel mendapatkan hasil maksimal saat ukuran piksel 175x175, epoch 50 dengan akurasi 100%. Dari hasil tersebut, 12 citra uji coba jika langsung menginput citra menggunakan piksel 175, 512,1024 diperoleh semua citra mampu mendeteksi kelas dari citra tersebut. Semakin besar nilai epoch dan ukuran piksel maka dataset mampu memecah citra menjadi lebih kecil sehingga memperoleh akurasi yang lebih maksimal. Selain itu CNN metode sequential tensorflow dengan memanfaatkan praprocessing thresholding median filter mendapatkan hasil lebih baik daripada penelitian sebelumnya. Oleh karena itu, sistem klasifikasi kelas citra x-ray menggunakan CNN bisa menjadi peninjau ulang tim medis.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Covid-19; Thresholding; Median Filter; CNN; Tensorflow.
Subjects: Physics
Physics > Research and Statistical Methods of Physics
Modern Physics > Atomic and Nuclear Physics
Medicine and Health > Medical Physics
Divisions: Fakultas Sains dan Teknologi > Program Studi Fisika
Depositing User: Revita Dewantari
Date Deposited: 14 Sep 2022 08:08
Last Modified: 14 Sep 2022 08:08
URI: https://etheses.uinsgd.ac.id/id/eprint/56669

Actions (login required)

View Item View Item