DETAIL KOLEKSI

Sistem prediksi tuberculosis menggunakan metode convolutional neural network


Oleh : Azhar Rizki Zulma

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2022

Pembimbing 1 : Dedy Sugiarto

Pembimbing 2 : Teddy Siswanto

Subyek : Computer networks;Computer programming;Computer software

Kata Kunci : prediction system, tuberculosis, convolutional neural network, chest x-ray

Status Posting : Published

Status : Tidak Lengkap


File Repositori
No. Nama File Hal. Link
1. 2023_TA_SSI_065001900001_Halaman-Judul.pdf 9
2. 2023_TA_SSI_065001900001_Lembar-Pengesahan.pdf 3
3. 2023_TA_SSI_065001900001_Bab-1_Pendahuluan.pdf 4
4. 2023_TA_SSI_065001900001_Bab-2_Tinjauan-Pustaka.pdf 19
5. 2023_TA_SSI_065001900001_Bab-3_Metodologi-Penelitian.pdf 15
6. 2023_TA_SSI_065001900001_Bab-4_Implementasi-dan-Uji-Coba.pdf 12
7. 2023_TA_SSI_065001900001_Bab-5_Kesimpulan-dan-Saran.pdf 2
8. 2023_TA_SSI_065001900001_Daftar-Pustaka.pdf 2

T uberculosis adalah penyakit yang umumnya menginfeksi paru-paru. Tuberculosisdapat didiagnosis berdasarkan hasil citra Chest X-Ray (CXR) pasien. Penelitian inimemanfaatkan data citra CXR dari pasien penderita Tuberculosis. Data tersebut digunakanuntuk membuat sebuah model machine learning yang dapat digunakan dalam membuatsistem prediksi untuk memprediksi adanya kemungkinan Tuberculosis pada paru-paru.Dengan adanya sistem prediksi tersebut, dokter dapat mempertimbangkan keputusan dalammendiagnosis penyakit Tuberculosis pada pasien. Selain itu proses diagnosis akan memakanwaktu lebih cepat dibandingkan dengan mendiagnosis secara manual. Dengan mempercepatproses diagnosis, maka itu akan mengoptimalkan pelayanan kesehatan dalam melakukanproses perawatan penderita Tuberculosis. Metode yang penulis gunakan ialah metodeCRISP-DM. Arsitektur yang digunakan untuk membuat model sistem prediksi merupakanmodel arsitektur Convolutional Neural Network. Data yang digunakan merupakan databeragam yang didapat dari banyak sumber. Total data yang digunakan ialah 7000 data citraCXR di mana 3500 data merupakan paru-paru normal dan 3500 data lainnya merupakanparu-paru yang terinfeksi Tuberculosis. Data tersebut dibagi dengan nilai proporsi 20% datauji dan 80% data latih. Data dilatih dengan mengatur Hyperparameter model dan dievaluasisecara berulang hingga mendapatkan hasil Confusion Matrix terbaik yang didasarkan padatiga arsitektur model yang berbeda. Model terbaik yang berhasil dilatih memiliki nilai akurasisebesar 0,963 sehingga mampu memprediksi sebanyak 96,3% penyakit Tuberculosis

T uberculosis is a disease that generally infects the lungs. Tuberculosis can bediagnosed based on the results of the patient's Chest X-Ray (CXR) image. This study utilizesCXR image data from patients with tuberculosis. The data is used to create a machinelearning model that can be used to create a prediction system to predict the possibility oftuberculosis in the lungs. With this prediction system, doctors can consider decisions indiagnosing tuberculosis in patients. In addition, the diagnosis process will take more timethan manually diagnosing. By speeding up the diagnosis process, it will optimize healthservices in carrying out the treatment process for Tuberculosis sufferers. The method that theauthor uses is the CRISP-DM method. The architecture used to model the prediction systemis a Convolutional Neural Network architectural model. The data used is a variety of dataobtained from many sources. The total data used is 7000 CXR image data of which 3500 dataare normal lungs and the other 3500 data are lungs infected with tuberculosis. The data isdivided by the proportion value of 20% test data and 80% training data. The data is trained bysetting the model's Hyperparameters and evaluated repeatedly to get the best ConfusionMatrix results based on three different model architectures. The best model that has beensuccessfully trained has an accuracy value of 0.963 so that it can predict as much as 96.3% ofTuberculosis disease.

Bagaimana Anda menilai Koleksi ini ?