Skripsi

Analisis efektivitas mobilenetv2,xception,dan densenet untuk klasifikasi penyakit paru:pneumonia,pneumothorax,dan kardiomegali / Wildan Iswahyudi

Abstrak
Penelitian ini mengevaluasi kinerja tiga model deep learning mdash MobileNetV2 DenseNet dan Xception mdash dalam mendeteksi penyakit paru-paru menggunakan citra rontgen dada. Dataset yang digunakan dalam penelitian ini terdiri dari empat kelas Normal Pneumonia Pneumothorax dan Kardiomegali. Di antara model yang diuji MobileNetV2 mencapai akurasi tertinggi sebesar 99 60% melampaui DenseNet dengan 99 20% dan Xception dengan 98 96%. Hasil ini menunjukkan kemampuan unggul MobileNetV2 dalam mendiagnosis kondisi paru-paru secara akurat dari citra medis menjadikannya alat yang sangat efektif dalam konteks diagnosis medis otomatis. Temuan penelitian ini menekankan peran penting pemilihan model dalam analisis citra medis di mana akurasi diagnostik sangat krusial. Dengan menunjukkan kinerja yang lebih tinggi MobileNetV2 menjadi kandidat yang menjanjikan untuk diintegrasikan ke dalam alur kerja klinis dengan potensi meningkatkan keandalan dan efisiensi dalam deteksi penyakit paru-paru. Penelitian ini berkontribusi pada semakin banyaknya bukti yang mendukung penerapan model deep learning dalam layanan kesehatan sekaligus menekankan perlunya inovasi dan optimalisasi berkelanjutan dalam teknologi pencitraan medis untuk meningkatkan hasil perawatan pasien.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Elektro, 2025.

Deskripsi Fisik

xii, 28 hlm. : ilus.

Bahasa

Indonesia

No Reg

0918/RS/25

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2025

Subjek

1. JARINGAN SYARAF TIRUAN KONVOLUSIONAL - PENYAKIT PARU
2. PNEUMONIA, PNEUMOTHORAX, DAN KARDIOMEGALI
3. CONVOLUTIONAL NEURAL NETWORK - PULMONARY DISEASE
3.

Pembimbing

1. Dr.eng Siti Sendari, S.t., M.t.

Lampiran Berkas