Iskandar, Jonathan Steven (2024) Sistem Identifikasi dan Klasifikasi Nodul Kanker Paru-Paru dari Citra CT-Scan menggunakan Convolutional Neural Network. Undergraduate thesis, Universitas Katolik Darma Cendika Fakultas Teknik.
![]() |
Text (ABSTRAK)
Abstrak.pdf Download (2MB) |
![]() |
Text (BAB 1)
BAB I.pdf Restricted to Registered users only Download (186kB) | Request a copy |
![]() |
Text (BAB 2)
BAB II.pdf Restricted to Repository staff only Download (568kB) | Request a copy |
![]() |
Text (BAB 3)
BAB III.pdf Restricted to Repository staff only Download (466kB) | Request a copy |
![]() |
Text (BAB 4)
BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text (BAB 5)
BAB V dan Daftar Pustaka.pdf Restricted to Registered users only Download (292kB) | Request a copy |
![]() |
Text (LAMPIRAN)
Lampiran.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
CT-Scan paru-paru merupakan metode computed tomography (CT) yang dirancang khusus untuk mendapatkan gambaran detail dari organ paru-paru dengan menggunakan teknologi sinar-X canggih. Meskipun dokter atau ahli radiologi memiliki pengetahuan mengenai letak dan jenis nodul kanker pada citra CT-Scan, sistem Computer-Aided Diagnosis (CAD) tetap diperlukan untuk memastikan akurasi diagnosis serta menghindari kesalahan akibat variabilitas ukuran nodul kanker. Sistem ini juga berfungsi sebagai alat bantu opini kedua dalam analisis citra medis. Penelitian ini bertujuan mengembangkan sistem berbasis deep learning untuk identifikasi dan klasifikasi nodul kanker paru-paru pada citra CT-Scan. Metode yang diterapkan mencakup penggunaan arsitektur YOLOv8 untuk identifikasi nodul dan VGG19 untuk klasifikasi kelas citra. Pengolahan data pada YOLOv8, data diproses menjadi format .yml dan menggunakan model yolov8x.pt dengan hyperparameter meliputi epochs sebesar 200, ukuran gambar 512, batch 16, dan single_cls diatur ke true. Sedangkan pengolahan data untuk klasifikasi dengan VGG19, data mengalami augmentasi seperti rotasi, flip, zoom, dan penyesuaian brightness, serta dibagi menjadi data train sebesar 0.75, data test sebesar 0.15, dan data val sebesar 0.15, dengan hyperparameter mencakup epochs sebesar 60, learning rate sebesar 0.0001, batch size sebesar 32, fungsi aktivasi menggunakan ReLU, dan optimizer menggunakan Adam. Kemudian, hasil identifikasi dengan arsitektur YOLOv8 menghasilkan mean Average Precision (mAP) sebesar 0.978. Sedangkan hasil klasifikasi menggunakan VGG19 menunjukkan akurasi sebesar 0.9878, sensitivitas (recall) sebesar 0.9878, dan spesifisitas sebesar 0.9935. Penelitian ini menunjukkan potensi tinggi dari penerapan deep learning dalam meningkatkan akurasi identifikasi dan klasifikasi citra CT-Scan paru-paru.
Item Type: | Thesis (Undergraduate) | ||||||||
---|---|---|---|---|---|---|---|---|---|
Contributors: |
|
||||||||
Uncontrolled Keywords: | Identifikasi, Klasifikasi, VGG19, dan YOLOv8 | ||||||||
Subjects: | T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases |
||||||||
Divisions: | Fakultas Teknik > Prodi Ilmu Informatika | ||||||||
Depositing User: | Jonathan Steven Iskandar | ||||||||
Date Deposited: | 19 Aug 2024 10:40 | ||||||||
Last Modified: | 19 Aug 2024 10:40 | ||||||||
URI: | http://repositori.ukdc.ac.id/id/eprint/1871 |
Actions (login required)
![]() |
View Item |