Ghifari, Ghifari (2021) Identifikasi Penderita Covid-19 Berdasarkan Citra Ct Toraks Dengan Metode Support Vector Machine. Other thesis, Univeristas Komputer Indonesia.
|
Text
UNIKOM_GHIFARI_COVER.pdf - Published Version Download (22kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_LEMBAR PENGESAHAN.pdf - Published Version Download (279kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf - Published Version Download (158kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (162kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_KATA PENGANTAR.pdf - Published Version Download (111kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_DAFTAR ISI.pdf - Published Version Download (305kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_BAB 1.pdf - Published Version Download (58kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_BAB 2.pdf - Published Version Download (497kB) | Preview |
|
Text
UNIKOM_GHIFARI_BAB 3.pdf - Published Version Restricted to Repository staff only Download (956kB) | Request a copy |
||
Text
UNIKOM_GHIFARI_BAB 4.pdf - Published Version Restricted to Repository staff only Download (627kB) | Request a copy |
||
|
Text
UNIKOM_GHIFARI_BAB 5.pdf - Published Version Download (7kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_DAFTAR PUSTAKA.pdf - Published Version Download (472kB) | Preview |
|
|
Text
UNIKOM_GHIFARI_LEMBAR KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version Download (388kB) | Preview |
Abstract
Citra CT toraks merupakan salah satu alat bantu dalam diagnosis penyakit COVID-19. Normalnya, diagnosis pada citra CT dilakukan oleh dokter spesialis radiologi. Namun dengan status COVID-19 sebagai pandemi global, peran teknologi khususnya komputer dapat digunakan untuk membantu peran diagnosis tersebut. Salah satu caranya adalah dengan memanfaatkan machine learning. Pada penelitian ini, Support Vector Machine (SVM) digunakan sebagai metode machine learning untuk klasifikasi citra. Agar dapat dilakukan klasifikasi, citra perlu melalui proses ekstraksi fitur untuk mendapatkan fitur-fitur numerik yang dapat digunakan sistem klasifikasi. Ekstraksi fitur yang dilakukan pada penelitian ini adalah dengan menggunakan sebuah arsitektur Convolutional Neural Network (CNN) yang bernama VGG-16. Dari fitur yang telah diekstraksi, selanjutnya dapat dilakukan tahapan pelatihan data menggunakan SVM untuk menghasilkan model klasifikasi. Adapun data citra CT yang digunakan berjumlah 746 yang terdiri dari 349 citra positif dan 397 citra negatif COVID-19. Dari hasil pengujian beberapa model SVM yang dihasilkan pada penelitian ini, didapatkan nilai akurasi terbaik sebesar 73.63%, yang mana akurasi yang dihasilkan masih dapat diperbaiki lebih lanjut.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | CT Toraks, Klasifikasi, SVM, VGG-16 |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mia Hayati Kosasih |
Date Deposited: | 21 Jun 2022 03:03 |
Last Modified: | 21 Jun 2022 03:03 |
URI: | http://elibrary.unikom.ac.id/id/eprint/5636 |
Actions (login required)
View Item |