DETEKSI PENYAKIT TUBERKULOSIS BERDASARKAN CITRA X-RAY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Faradisa, Adila Zahra (2021) DETEKSI PENYAKIT TUBERKULOSIS BERDASARKAN CITRA X-RAY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, INSTITUT TEKNOLOGI SEPULUH NOPEMBER.

Text 01111740000042-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB)

Abstract

Tuberkulosis adalah salah satu penyakit yang dapat
menyerang organ paru-paru. Untuk mendeteksi adanya penyakit Tuberkulosis ini dapat dilakukan pemeriksaan menggunakan x-ray. Pada penelitian ini citra x-ray akan digunakan untuk melakukan deteksi penyakit Tuberkulosis menggunakan Convolutional Neural Network memiliki tujuan untuk dapat menerapkan metode Deep learning dengan Convolutional Neural Network (CNN) dalam mendeteksi penyakit Tuberkulosis.Penelitian ini dilakukan menggunakan dataset yang didapatkan dari National Library of Medicine, Maryland, USA bekerja sama dengan Shenzhen No. 3 People’s Hospital Guangdong Medical College, Shenzhen, China, yang mana terdapat total 662 data. Selanjutnya data akan diagumentasi dan selanjutnya akan
dilakukan klasifikasi dengan membuat model CNN dengan
beberapa layer. Pada penelitian ini digunakan beberapa model dengan aritektur. Model yang menghasilkan akurasi paling tinggi adalah model dengan arsitektur VGG16 yang dapat menghasilkan akurasi sebesar 0.96. Selanjutnya adalah model dengan arsitekur ResNet101V2 yang menghasilkan akurasi sebesar 0.93. Lalu model yang terakhir dengan arsitektur CNN biasa dapat menghasilkan akurasi sebesar 0.52
==================================================================
Tuberculosis is a disease that can infect the lungs. To
detect the disease can be done using an x-ray examination. In this study, x-ray images will be used to detect Tuberculosis using the Convolutional Neural Network. This study was conducted using datasets from The National Library of Medicine, Maryland, USA in collaboration with Shenzhen No. 3 People’s Hospital
Guangdong Medical College, Shenzhen, China, where there are 662 consisting of 326 images of normal lungs and 33 images of lungs affected by Tuberculosis. The data will be classified by creating a Convolutional Neural Network model with several layers. In this study, several architecture were used. The model that has the highest accucary is the VGG16 architecture which is 96%, and then the accuracy of the model that used ResNet101V2 is 93%, and the accuracy of the last model with CNN architecture
is 52%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	CNN, Deep Learning, Tuberkulosis, Confusion Matrix, Machine Learning
Subjects:	Q Science Q Science > QC Physics
Divisions:	Faculty of Natural Science > Physics > 45201-(S1) Undergraduate Thesis
Depositing User:	ADILA ZAHRA FARADISA
Date Deposited:	23 Aug 2021 03:23
Last Modified:	23 Aug 2021 03:23
URI:	http://repository.its.ac.id/id/eprint/89205

Actions (login required)

View Item