PRE-DIAGNOSIS GANGGUAN GINJAL MELAUI CITRA IRIS MATA MENGGUNAKAN RASPBERRY PI DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

JULIANSYAH, LUDI and Indra, Agustian and Faisal, Hadi (2019) PRE-DIAGNOSIS GANGGUAN GINJAL MELAUI CITRA IRIS MATA MENGGUNAKAN RASPBERRY PI DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduated thesis, Fakultas Teknik.

[img] Archive (Thesis)
Skripsi LJ.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (4MB)

Abstract

Perubahan pola penyakit tanpa disadari telah memberi pengaruh terhadap terjadinya transisi epidemiologi, dengan semakin meningkatnya kasus-kasus penyakit tidak menular. Salah satu penyakit tidak menular yang juga mengalami peningkatan adalah gangguan ginjal. Jumlah penderita gangguan ginjal di Indonesia meningkat setiap tahunnya. Di samping itu, kemajuan teknologi yang terus berkembang dalam dunia kesehatan membawa dampak positif di bidang biomedis salah satunya adalah perkembangan pengenalan penyakit melalui iris mata (iridology), tetapi iridology belum banyak diaplikasikan untuk pengenalan gangguan ginjal. Pada penelitian ini dengan menggunakan metode convolutional neural network (CNN) dan diaplikasikan menggunakan Raspberry Pi 3 model B+ dapat mengenali gangguan ginjal melalui iris mata. Hasil akurasi terbaik yang diperoleh dengan memvariasikan banyak epoch, nilai learning rate, ukuran kernel, komposisi database, dan fungsi pooling layer adalah 94% pada saat epoch 12, 92% pada nilai 0,0001, 95% pada ukuran 3x3, 95% pada komposisi 100 train dan 50 validation, 90% menggunakan fungsi max pooling. Akurasi pengenalan gangguan ginjal dengan menggunakan metode convolutional neural network citra iris mata pada Raspberry Pi 3 Model B+ adalah 100%. Kata kunci: gangguan ginjal, iridology, convolutional neural network, raspberry pi 3 model B+.

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Electrical Engineering
Depositing User: 022 Lili Haryanti
Date Deposited: 09 Jun 2020 05:33
Last Modified: 09 Jun 2020 05:33
URI: http://repository.unib.ac.id/id/eprint/21242

Actions (login required)

View Item View Item