Sistem Deteksi Pneumonia Berdasarkan Gambar Chest X-Ray Menggunakan Metode CNN dan SVM

Alfin, Moch (2021) Sistem Deteksi Pneumonia Berdasarkan Gambar Chest X-Ray Menggunakan Metode CNN dan SVM. Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

	Text ABSTRAK.pdf Download (2MB)
	Text BAB 1.pdf Restricted to Repository staff only Download (129kB)
	Text BAB 2.pdf Restricted to Repository staff only Download (394kB)
	Text BAB 3.pdf Restricted to Repository staff only Download (687kB)
	Text BAB 4.pdf Restricted to Repository staff only Download (2MB)
	Text BAB 5.pdf Restricted to Repository staff only Download (133kB)
	Text LAMPIRAN.pdf Download (201kB)
	Text JURNAL.pdf Download (1MB)
	Text JURNAL TURNITIN.pdf Download (4MB)

Abstract

Perkembang pengolahan citra digital sangat pesat sejalan dengan perkembangan teknologi komputer di segala bidang. Salah satunya contoh bidang kehidupan yang membutuhkan pengolahan citra digital di antaranya adalah bidang kesehatan. Pneumonia adalah salah satu penyakit yang terkenal dan yang menyebabkan sebagian besar kematian di seluruh dunia. Pneumonia dapat disebabkan oleh Virus, bakteri, dan jamur. Namun sulit untuk mendeteksi pneumonia hanya dengan melihat rontgen dada dengan mata telanjang. Tujuan dari penelitian ini adalah untuk menyederhanakan proses deteksi pneumonia untuk para ahli dan juga bagi para pemula. Penelitian ini menggunakan metode deep learing untuk pendeteksian pneumonia menggunakan konsep transfer learning. Dalam pendekatan ini, fitur dari gambar diekstraksi menggunakan model jaringan saraf yang berbeda yang dipretrained di ImageNet, yang kemudian dimasukkan ke dalam classifier untuk prediksi. Penelitian ini menggunakan model Convolutional neural networks (CNN) untuk proses ekstraksi fitur dan menggunakan SVM untuk proses klasifikasi. Kesimpulan yang didapat dengan menerapkan teknik perbaikan kualitas gambar dengan meningkatkan ruang warna yang terbatas pada gambar chest x-ray dapat meningkatkan akurasi pada saat melakukan deteksi pneumonia, Ekstraksi fitur dengan model AlexNet lebih unggul atau lebih tinggi akurasi yang dimiliki dibandingkan dengan model VGG-19 pada metode Convolutional neural networks (CNN) untuk ekstraksi fitur, dan Hasil Implementasi sebuah metode Support Vector Machine (SVM) pada klasifikasi memperoleh hasil akurasi rata-rata 86,25 Kata kunci : deteksi pneumonia, Convolutional neural networks, Support Vector Machine

Actions (login required)

View Item