IDENTIFIKASI PNEUMONIA PADA CITRA X-RAY PARU-PARU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN EKSTRAKSI FITUR SOBEL

YOPENTO, JOPA and Ernawati, Ernawati and Farady, Funny (2021) IDENTIFIKASI PNEUMONIA PADA CITRA X-RAY PARU-PARU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN EKSTRAKSI FITUR SOBEL. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Lapora Skripsi Jopa Yopento_G1A016022.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (4MB)

Abstract

pneumonia merupakan peradangan yang terjadi pada jaringan parenkim paru-paru
yang sebagian besar disebabkan oleh mikroorganisme patogen dan sebagian kecil
disebabkan oleh hal lain. Pneumonia sendiri masih menjadi penyebab tertinggi
kematian balita maupun bayi baru lahir. Salah satu tindakan untuk mengetahui
pasien terjangkit pneumonia adalah dengan melihat rougten atau citra CT-Scan
paru-paru penderita. Sejauh ini para tenaga medis melakukan analisa secara
langsung dengan melihat hasil rougten paru-paru pasien. Salah satu metode yang
digunakan dalam melakukan klasifikasi terhadap citra adalah metode
Convolutional Neural Network (CNN). CNN sendiri merupakan jenis Deep
Learning yang popuker digunakan saat ini. Pada penelitian sebelumnya dalam
mengidentifikasi pneumonia didapatkan hasil akurasi diatas 75%, namun
terkendala dengan nilai akurasi yang masih dibawah 85% sehingga masih harus
dilakkukan penelitian kembali untuk meningkatkan nilai akurasi dari model ini.
Salah satu ekstraksi fitur yang biasa digunakan pada CNN yaitu ekstraksi fitur
sobel guna meningkatkan akurasi pada mesin learning ini. Pada penelitian ini
didapatkan hasil berupa Precision sebesar 91%, Recall sebesar 92.8% dan
Accurasy sebesar 91.54%. tingkat akurasi yang didapatkan berdasarkan nilai
epoch sebesar 50, learning rate sebesar 0.0001 dan nilai batch sebesar 20.
Kata kunci : CNN, Sobel, Pneumonia, Precision, Recall, Accurasy

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 58 lili haryanti
Date Deposited: 09 Oct 2025 03:42
Last Modified: 09 Oct 2025 03:46
URI: https://repository.unib.ac.id/id/eprint/28453

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200