Skripsi

Identifikasi penyakit pneumonia berdasarkan citra sinar-x menggunakan convolutional neural network dengan arsitektur vgg19 / Hanif Muhammad Mufid

Abstrak
Penelitian ini membahas pengembangan model identifikasi berbasis Convolutional Neural Network (CNN) dengan menggunakan arsitektur VGG19 untuk membantu identifikasi kasus pneumonia. Sebagai penyakit pernapasan yang cukup mengancam pneumonia memiliki dampak kematian yang signifikan di skala global. Penelitian ini juga melihat pengaruh variasi jumlah epoch dalam proses pelatihan model. Hasilnya model CNN yang diberi pelatihan selama 30 epoch berhasil mencapai tingkat akurasi 99 65% dalam identifikasi penyakit pneumonia. Hasil ini mendapatkan bahwa pentingnya jumlah epoch dalam meningkatkan kinerja model dan membuka potensi teknologi deep learning dalam mendukung analisis diagnosis secara cepat dan tindak lanjut oleh para dokter dalam penanganan kasus pneumonia.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2023.

Deskripsi Fisik

xii, 20 hlm. : ilus.

Bahasa

Indonesia

No Reg

1144/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. PNEUMONIA - SINAR X
2. PNEUMONIA - IDENTIFIKASI
3. PNEUMONIA - X-RAYS

Pembimbing

1. Dra. Susy Kuspambudi Andaini, M.kom

Lampiran Berkas