UMN Knowledge Center

Klasifikasi COVID-19 Berdasarkan Foto Rontgen Dada Menggunakan EfficientNet

Anggraini Utomo, Bella (2021) Klasifikasi COVID-19 Berdasarkan Foto Rontgen Dada Menggunakan EfficientNet. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (306kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (140kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (89kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (626kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (163kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (684kB)
[img]
Preview
PDF
BAB_V.pdf

Download (72kB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (391kB) | Preview

Abstract

Tahun 2020 menjadi tahun yang berat bagi seluruh masyarakat dunia, karena terjadi penyebaran virus di seluruh negara yang menyebabkan hampir seluruh negara menerapkan lockdown. Virus tersebut adalah corona virus diseases jenis baru yang diberi nama SARS-CoV-2 atau lebih dikenal dengan nama Covid-19. Penyebaran virus ini diduga menyebar lewat cairan tubuh manusia dan melalui sentuhan benda yang terkontaminasi. Gejala penyakit ini sulit dideteksi karena gejala yang muncul sangat biasa, seperti batuk dan demam. Penyakit ini menyebabkan seseorang mengalami demam, pneumonia, kegagalan organ, hingga kematian. Penyakit pneumonia menyebabkan kantong udara mengalami peradangan dan terisi dengan nanah serta cairan yang menyebabkan sulit bernapas. Untuk mengatasi masalah tersebut dibuat suatu sistem yang dapat digunakan untuk klasifikasi Covid-19 dengan menggunakan machine learning. Arsitektur EfficientNet digunakan karena tidak hanya meningkatkan akurasi namun juga meningkatkan efisiensi model. Foto rontgen digunakan sebagai salah satu alat bantu dalam mendeteksi Covid-19, foto rontgen ini digunakan sebagai data masukan pada sistem. Dataset berasal dari beberapa sumber luar dengan total 3.968 foto rontgen dengan format PNG. Kemudian foto tersebut dikelompokkan menjadi tiga kelas yaitu normal, pneumonia, dan Covid-19. Hasil terbaik diperoleh oleh model AutoKeras dengan nilai akurasi mencapai 99% dan f1-score mencapai 99%.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Automated Machine Learning, Confusion Matrix, Coronavirus-2019, COVID-19, EfficientNet, Foto Rontgen, GridSearchCV
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 24 Aug 2021 11:40
Last Modified: 24 Aug 2021 11:40
URI: http://kc.umn.ac.id/id/eprint/17993

Actions (login required)

View Item View Item