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
Preview |
Text
PROGRESIFSINTA4_Penulis 1.pdf Download (401kB) | Preview |
Preview |
Text
Peer review-Klasifikasi Covid-19 pada citra ct-scan paru-paru.pdf Download (339kB) | Preview |
Preview |
Text
HASIL SIMILARITY-YOSEFINA FINSENSIA RITI-Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution.pdf Download (2MB) | Preview |
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: | 05 Mar 2026 09:40 |
| URI: | https://repositori.ukdc.ac.id/id/eprint/1028 |
Actions (login required)
![]() |
View Item |
