MUHAMMAD ILHAM, - (2025) PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI PENYAKIT PARU-PARU. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB GABUNGAN) SKRIPSI LENGKAP KECUALI BAB HASIL_compressed - Ze Tu.pdf - Published Version Download (5MB) | Preview
	Text (BAB HASIL) BAB HASIL - Ze Tu.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text (PERNYATAAN PUBLIKASI) publikasi - Ze Tu.pdf - Published Version Download (221kB) | Preview

Abstract

Penyakit paru-paru seperti Covid-19, Pneumonia, dan Normal merupakan tantangan utama dalam dunia medis, terutama dalam proses diagnosis yang cepat dan akurat. Deteksi berbasis citra X-ray sering digunakan, namun keterbatasan tenaga medis membuat diagnosis manual menjadi kurang efisien. Penelitian ini menerapkan metode Convolutional Neural Network (CNN) menggunakan tiga arsitektur: ResNet-50, DenseNet-121, dan EfficientNet-B0 untuk klasifikasi citra X-ray sebanyak 3.000 gambar ke dalam tiga kelas penyakit. Hasil pengujian menunjukkan bahwa arsitektur DenseNet-121 dengan skenario split data 90:10 menghasilkan performa terbaik, dengan nilai akurasi 97%, precision 97,04%, recall 96%, dan F1-score 96,98%, dan. Penelitian ini menyimpulkan bahwa CNN, khususnya DenseNet-121, efektif dalam mendukung klasifikasi otomatis citra medis paru-paru secara akurat dan efisien.

Actions (login required)

View Item