Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution Neural Network

Riti, Yosefina Finsensia and Tandjung, Stephanus Surijadarma (2022) Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution Neural Network. Progresif: Jurnal Ilmiah Komputer, 18 (1). pp. 91-100. ISSN 2685-0877

	Text PROGRESIFSINTA4_Penulis 1.pdf Download (401kB)
	Text Peer review-Klasifikasi Covid-19 pada citra ct-scan paru-paru.pdf Download (339kB)
	Text HASIL SIMILARITY-YOSEFINA FINSENSIA RITI-Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution.pdf Download (2MB)

Abstract

Salah satu cara yang dapat digunakan untuk deteksi dini Covid-19 adalah dengan pemeriksaan radiologis menggunakan CT scans paru-paru, karena gejala yang terjadi saat terinfeksi Covid- 19 berupa gangguan pernapasan akut. Covid-19 sulit dibedakan dari pneumonia yang disebabkan oleh virus influeza A, virus influenza cytomegalovirus, adenovirus, respiratory syncytial virus, SARS-CoV, MERS coronavirus. Penelitian ini mengembangkan teknik analisis citra CT scans paru-paru menggunakan teknik Deep Learning, dengan menggunakan metode Convolutional Neural Network (CNN) untuk mendukung hasil analisis dari radiolog ataupun menjadi second opinion dari radiolog. Penellitian ini juga menguji kinerja metode CNN dalam melakukan klasifikasi citra CT scans paru-paru. Dataset yang digunakan terdiri dari 3216 data. Berdasarkan hasil pengujian diperoleh akurasi dengan rata-rata 100% untuk setiap epoch yang diberikan. Dari hasil pengujian dapat disimpulkan bahwa Metode CNN dapat digunakan untuk membedakan citra CT scans untuk Covid-19 dan citra CT scans normal

Item Type:	Article
Uncontrolled Keywords:	aringan saraf konvolusi, Deep Learning, CT scans Paru-paru, Citra Covid-19.
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik > Prodi Ilmu Informatika
Depositing User:	Yosefina Finsensia Riti
Date Deposited:	08 Mar 2022 07:07
Last Modified:	18 Apr 2022 08:59
URI:	http://repositori.ukdc.ac.id/id/eprint/1028

Actions (login required)

View Item