Skripsi

Prediksi kasus pneumonia dengan convolutional neural network citra rontgen thorax berbasis website streamlit / Moh. Fariq Firdaus Karim

Abstrak
Pneumonia masih menjadi penyebab kematian balita terbanyak di Indonesia dengan rontgen thorax sebagai gold standard pemeriksaan sampai saat ini. Akan tetapi pembacaan hasil rontgen thorax tentang adanya Pneumonia berpeluang menjadi bias karena keterbatasan identifikasi mata maupun potensi subjektivitas akibat perbedaan interpretasi. Oleh karena itu diperlukan penyamaan interpretasi hasil rontgen thorax berdasar elaborasi ragam interpretasi subjektif dengan penelitian Prediksi Kasus Pneumonia dengan megimplementasikan machine learning yang tepat untuk mempelajari pola dari citra rontgen thorax. Penelitian ini diimplementasikan CNN mengingat CNN efektif dalam mempelajari pola gambar. Data yang diolah dalam CNN berupa citra rontgen thorax dari Women and Children rsquo s Medical Center Guangzhou. Arsitektur CNN mengadopsi arsitektur ResNet50 dengan modifikasi penambahan lapisan batch normalization ReLU dropout dan fully connected layer untuk memberikan klasifikasi dua kelas pneumoina (kasus positif) dan normal (kasus negatif) yang terletak pada akhir arsitektur. Nilai evaluasi yang dihasilkan pada penelitian ini adalah accuration precision recall dan F1-Score sebesar 95% 95% 97% dan 96%. Selain itu nilai pada false negative lebih kecil dari pada false positive. Hal ini baik untuk model karena untuk memprediksi Pneumonia akan lebih fatal jika model memprediksi pasien yang tidak mengalami Pneumonia padahal sebenarnya mengidap Pneumonia (false negatif) dibandingkan dengan model memprediksi pasien mengidap Pneumonia padahal sebenarnya tidak (false positif). Model dengan hasil evaluasi tersebut selanjutnya dilakukan deployment menggunakan framework Streamlit untuk memudahkan pengguna dalam memanfaatkan prediksi pneumonia. Hasil evaluasi dari prediksi model pada Streamlit mendapatkan 70% prediksi benar untuk kasus positif dan 60% prediksi benar untuk kasus negatif. Oleh karena itu masih diperlukan pembuatan model yang lebih optimal sehingga dapat meminimalkan nilai kesalahan prediksi oleh model.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Fisika, 2024.

Deskripsi Fisik

-

Bahasa

Indonesia

No Reg

2299/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. PNEUMONIA - SISTEM PREDIKSI
2. RONTGEN - CITRA
3. PNEUMONIA - PREDICTION SYSTEM

Pembimbing

1. Dr. Eny Latifah, S.Si, M.Si; 2. Nugroho Adi Pramono, S.Si, M.Sc

Lampiran Berkas