Klasifikasi COVID-19 pada Citra CT (Computed Tomography) menggunakan Deep Learning CNN (Convolutional Neural Network)

Fadhillah, Muhammad Zahran (2024) Klasifikasi COVID-19 pada Citra CT (Computed Tomography) menggunakan Deep Learning CNN (Convolutional Neural Network). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (231kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (381kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (485kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (465kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (803kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (3MB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (383kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (342kB) | Request a copy

Abstract

Convolutional Neural Network (CNN) adalah jenis jaringan saraf tiruan yang sangat efektif dalam tugas klasifikasi citra karena kemampuannya untuk secara otomatis mempelajari fitur hirarkis dari data piksel mentah. Penelitian ini bertujuan untuk mengklasifikasikan citra CT (Computed Tomography) COVID-19 menggunakan metode Deep Learning, khususnya Convolutional Neural Network (CNN). Telah dilakukan evaluasi terhadap model CNN dengan berbagai variasi epoch dan ukuran citra untuk menemukan parameter optimal dalam klasifikasi citra medis. Hasil penelitian menunjukkan bahwa penggunaan metode CNN dengan epoch 30 dan ukuran citra 400 x 400 menghasilkan tingkat akurasi pelatihan sebesar 97,11% dan akurasi validasi sebesar 98,89%. Selain itu, penulis menemukan bahwa semakin tinggi nilai epoch, semakin tinggi pula tingkat akurasi yang dicapai. Namun, penulis juga mengamati bahwa semakin kecil ukuran citra, semakin rendah akurasi yang diperoleh. Durasi pelatihan juga dipengaruhi oleh ukuran citra, dengan ukuran citra 400 x 400 memiliki durasi pelatihan terlama. Prediksi penderita COVID-19, pneumonia biasa, dan paru-paru normal dapat dilakukan dengan akurasi yang memuaskan menggunakan metode CNN, terutama dengan ukuran citra 400 x 400 dan epoch 30. Selain itu, kami membandingkan metode CNN dengan VGG-16 dan Efnet, di mana Efnet menunjukkan hasil akurasi dan prediksi yang lebih baik, meskipun belum begitu populer. Meskipun CNN memiliki akurasi yang lebih rendah, namun memiliki akurasi prediksi citra yang lebih baik daripada VGG-16.

Actions (login required)

View Item