BSIBSI
Jurnal InfortechJurnal InfortechPneumonia adalah salah satu jenis infeksi yang paling sering ditemui dan berisiko tinggi di seluruh dunia, yang mengakibatkan angka penyakit dan kematian yang tinggi, khususnya di kalangan populasi yang rentan seperti anak-anak. Dengan demikian, penelitian ini bertujuan untuk menciptakan sistem pintar yang mampu mengidentifikasi pneumonia secara otomatis melalui gambar thorax dengan memanfaatkan arsitektur Convolutional Neural Networks (CNN). Dalam penelitian ini, beberapa arsitektur CNN, yaitu MobileNet V2, ResNet, dan EfficientNet diuji untuk mencari model terbaik, dengan mempertimbangkan risiko overfitting dan penggunaan optimizer yang tepat. Metode yang digunakan mencakup pengumpulan data, preprocessing, pembagian dataset menjadi data train, test dan validasi, serta penerapan teknik transfer learning. Evaluasi dilakukan berdasarkan parameter kinerja seperti akurasi, sensitivitas dan presisi untuk menilai performa model. Hasil penelitian menunjukkan bahwa arsitektur MobileNet V2 memberikan kinerja terbaik dengan akurasi mencapai 93%. Model ini kemudian diimplementasikan dalam sistem cerdas yang dapat mempercepat dan mempermudah proses diagnosis pneumonia sehingga memberikan manfaat signifikan bagi sektor kesehatan dan masyarakat luas. Penelitian ini juga menekankan pentingnya teknik optimasi yang tepat dalam memastikan model dapat bekerja secara optimal di aplikasi dunia nyata.
Dari hasil penelitian yang dilakukan diperoleh kesimpulan sebagai berikut.Implementasi arsitektur MobileNetV2 menggunakan teknik transfer learning.Pada proses ekstraksi fitur menggunakan MobileNetV2 yang telah dilatih sebelumnya oleh ImageNet sebagai fitur ekstraktor.Pada proses klasifikasi menggunakan lapisan konvolusi 1x1 Global Average Polling dan lapisan Dense dengan aktivasi Softmax untuk klasifikasi jenis penyakit Pneumonia.Hasilnya menghasilkan nilai akurasi sebesar 92,62%, nilai precision 93% dan nilai recall 93%.Nilai yang dihasilkan membuktikan bahwa arsitektur ini terbukti mampu digunakan untuk klasifikasi Pneumonia.Klasifikasi penyakit pneumonia dengan berbagai arsitektur CNN telah dibangun.Hasil pengujian pada aplikasi berbasis web menggunakan data baru sebanyak 18 citra menyimpulkan model bekerja dengan baik dalam klasifikasi.Model yang terbentuk diimplementasikan pada aplikasi berbasis web agar dapat membantu dan memudahkan dalam melakukan klasifikasi pneumonia.
Berdasarkan latar belakang, metode, hasil, keterbatasan, dan juga bagian saran penelitian lanjutan, terdapat beberapa arah pengembangan penelitian yang menarik. Pertama, penelitian selanjutnya dapat berfokus pada peningkatan kualitas data latih dengan menambahkan variasi citra X-ray yang lebih beragam, termasuk citra dari berbagai populasi dan tingkat keparahan pneumonia yang berbeda, untuk meningkatkan generalisasi model. Kedua, eksplorasi arsitektur CNN yang lebih canggih, seperti Transformer-based models, dapat dipertimbangkan untuk menangkap pola-pola kompleks dalam citra X-ray yang mungkin terlewatkan oleh arsitektur konvolusional tradisional. Ketiga, pengembangan sistem diagnosis pneumonia yang terintegrasi dengan data klinis pasien, seperti riwayat penyakit dan hasil laboratorium, dapat memberikan diagnosis yang lebih akurat dan komprehensif. Dengan menggabungkan informasi dari berbagai sumber, sistem dapat memberikan rekomendasi pengobatan yang lebih personal dan efektif, sehingga meningkatkan kualitas perawatan pasien pneumonia.
| File size | 495.71 KB |
| Pages | 6 |
| DMCA | Report |
Related /
UMGUMG Hasil eksperimen menunjukkan bahwa model CNN yang diusulkan memiliki akurasi yang tinggi dalam mendeteksi warna kulit, serta memberikan rekomendasi warnaHasil eksperimen menunjukkan bahwa model CNN yang diusulkan memiliki akurasi yang tinggi dalam mendeteksi warna kulit, serta memberikan rekomendasi warna
BSIBSI Hasil penelitian menunjukkan bahwa model Decision Tree memiliki performa lebih baik, khususnya dengan nilai recall tinggi pada kelas positif, yang menunjukkanHasil penelitian menunjukkan bahwa model Decision Tree memiliki performa lebih baik, khususnya dengan nilai recall tinggi pada kelas positif, yang menunjukkan
BSIBSI Penelitian ini dapat diterapkan dalam berbagai skenario pengambilan keputusan berbasis multi‑kriteria, namun masih memiliki keterbatasan seperti jumlahPenelitian ini dapat diterapkan dalam berbagai skenario pengambilan keputusan berbasis multi‑kriteria, namun masih memiliki keterbatasan seperti jumlah
BSIBSI Sistem pengelolaan basis pengetahuan yang lengkap memungkinkan pembaruan data gejala dan penyakit Tuberkulosis secara realtime.mekanisme penyampaian edukasiSistem pengelolaan basis pengetahuan yang lengkap memungkinkan pembaruan data gejala dan penyakit Tuberkulosis secara realtime.mekanisme penyampaian edukasi
BSIBSI Kepuasan ini didasarkan pada analisis menggunakan Kerangka PIECES, yang mencakup variabel kinerja, informasi, ekonomi, kontrol dan keamanan, efisiensi,Kepuasan ini didasarkan pada analisis menggunakan Kerangka PIECES, yang mencakup variabel kinerja, informasi, ekonomi, kontrol dan keamanan, efisiensi,
BSIBSI Secara keseluruhan, penelitian mengonfirmasi tingkat kepuasan pelanggan yang positif terhadap layanan WiFi PT Lintas Jaringan Nusantara. Namun, untuk meningkatkanSecara keseluruhan, penelitian mengonfirmasi tingkat kepuasan pelanggan yang positif terhadap layanan WiFi PT Lintas Jaringan Nusantara. Namun, untuk meningkatkan
BSIBSI Hasil pengujian usability dengan SUS menunjukkan skor 74% (grade B), sehingga aplikasi Let It Flo sudah dapat diterima oleh pengguna. Penilaian terhadapHasil pengujian usability dengan SUS menunjukkan skor 74% (grade B), sehingga aplikasi Let It Flo sudah dapat diterima oleh pengguna. Penilaian terhadap
KOMPETIFKOMPETIF 828) and moral obligation toward performance effectiveness. Multiple linear regression findings confirm that organizational culture is the most dominant828) and moral obligation toward performance effectiveness. Multiple linear regression findings confirm that organizational culture is the most dominant
Useful /
BSIBSI Hasil pengujian menunjukkan bahwa aplikasi dapat mendeteksi font dengan akurasi tinggi, menyajikan ringkasan distribusi font dalam bentuk persentase, sertaHasil pengujian menunjukkan bahwa aplikasi dapat mendeteksi font dengan akurasi tinggi, menyajikan ringkasan distribusi font dalam bentuk persentase, serta
BSIBSI Sistem keamanan rumah konvensional memiliki keterbatasan dari segi efisiensi dan keamanan karena masih bergantung pada metode autentikasi manual sepertiSistem keamanan rumah konvensional memiliki keterbatasan dari segi efisiensi dan keamanan karena masih bergantung pada metode autentikasi manual seperti
BSIBSI Saran untuk penelitian selanjutnya adalah menguji EoIP pada lebih banyak lokasi dengan beban jaringan lebih tinggi, menambahkan enkripsi IPSec untuk meningkatkanSaran untuk penelitian selanjutnya adalah menguji EoIP pada lebih banyak lokasi dengan beban jaringan lebih tinggi, menambahkan enkripsi IPSec untuk meningkatkan
UMGUMG Temuan ini memberikan informasi penting bagi Satuan Polisi Pamong Praja Kabupaten Situbondo untuk memprioritaskan upaya pencegahan kebakaran di kecamatan-kecamatanTemuan ini memberikan informasi penting bagi Satuan Polisi Pamong Praja Kabupaten Situbondo untuk memprioritaskan upaya pencegahan kebakaran di kecamatan-kecamatan