PUTRA, ALIF ERNANDA (2024) KLASIFIKASI PENYAKIT PNEUMONIAMENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN EXTREME GRADIENT BOOST. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.
|
Text (Cover)
19081010132_Cover.pdf Download (2MB) | Preview |
|
|
Text (BAB I)
19081010132_BAB I.pdf Download (24kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
19081010132_BAB II.pdf Restricted to Repository staff only until 5 January 2027. Download (1MB) | Request a copy |
|
|
Text (BAB III)
19081010132_BAB III.pdf Restricted to Repository staff only until 5 January 2027. Download (346kB) | Request a copy |
|
|
Text (BAB IV)
19081010132_BAB IV.pdf Restricted to Repository staff only until 5 January 2027. Download (557kB) | Request a copy |
|
|
Text (BAB V)
19081010132_BAB V.pdf Download (9kB) | Preview |
|
|
Text (Daftar Pustaka)
19081010132_Daftar Pustaka.pdf Download (153kB) | Preview |
|
|
Text (Lampiran)
19081010132_Lampiran.pdf Restricted to Repository staff only until 5 January 2027. Download (832kB) | Request a copy |
Abstract
Penyakit akut yang sering terjadi pada masyarakat umum adalah penyakit paru-paru. Salah satu jenis penyakit dari paru-paru yang sering dialami oleh masyarakat umum, yaitu pneumonia atau peradangan pada paru-paru. Penyebab penyakit ini biasanya dari virus, bakteri, dan jamur. Penyakit ini juga menyerang siapa saja, baik dari kalangan usia anak-anak maupun orang dewasa. Untuk pencegahan penyakit secara dini yang dapat dilakukan untuk membantu mengatasi penyakit ini adalah menggunakan teknologi klasifikasi citra untuk menganalisis apakah orang tersebut mengidap penyakit pneumonia atau orang tersebut normal. Untuk mengatasi persoalan dalam membedakan orang normal dan pengidap penyakit pneumonia, teknik pengolahan citra dapat dimanfaatkan. Salah satu metodenya adalah dengan mengambil fitur dari objek tertentu supaya proses identifikasi dapat dilakukan. Penelitian ini menggunakan ekstraksi fitur dari metode Convolutional Neural Network dan modelling dengan Extreme Gradient Boosting dari hasil ekstraksi fitur yang dihasilkan sebelumnya. Berdasarkan pengujian pada data uji, nilai akurasi tertinggi didapatkan dengan kombinasi splitting data 90%:10%, parameter epoch sebesar 5, parameter n_estimator sebesar 5, dan parameter max_depth sebesar 5 dengan mendapatkan akurasi 96.25%.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Alif Ernanda Putra | ||||||||||||
| Date Deposited: | 19 Jan 2024 02:48 | ||||||||||||
| Last Modified: | 19 Jan 2024 02:48 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/20082 |
Actions (login required)
 |
View Item |