DIMAS REYNALDI DWI SANTOSO, - (2021) PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR RESNET UNTUK KLASIFIKASI COVID-19. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

	Text (BAB IV dan V(Watermark).pdf) BAB IV dan V.pdf - Published Version Restricted to Repository staff only Download (7MB)
Preview	Text (Tanpa BAB IV dan V (Watermark).) Tanpa BAB IV dan V1.pdf - Published Version Download (63MB) | Preview

Abstract

Virus COVID-19 menyebar cepat ke seluruh dunia. Salah satu cara untuk mendeteksi virus COVID-19 dengan menggunakan Teknik radiografi dengan citra x-ray. Penelitian ini menggunakan Deep learning sebagai metode pengenalan citra dengan arsitektur CNN. Citra x-ray terbagi 2 kelas yaitu COVID-19 dan normal berjumlah 2562. Citra x-ray COVID-19 menerapkan preprocessing Histogram Equalization (HE). Model pelatihan menggunakan CNN dengan arsitektur Resnet-101. Pengaturan batch size 25 dan 50. Pembagian data menggunakan Split data dengan ukuran yaitu 90% training, 10% testing, 80% training, 20% testing dan 70% training, 30% testing. Berdasarkan nilai confusion matrix akurasi, sensitivitas dan spesifisitas tertinggi ada di Batch size 25, epoch 50 dan data original dengan nilai sebesar 100%.

Actions (login required)

View Item