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 /
STTSSTTS Hasil evaluasi menunjukkan bahwa model LSTM mencapai RMSE 2,326 dan MAPE 3,65%, yang menunjukkan kemampuan model dalam menangkap pola non-linear dan fluktuasiHasil evaluasi menunjukkan bahwa model LSTM mencapai RMSE 2,326 dan MAPE 3,65%, yang menunjukkan kemampuan model dalam menangkap pola non-linear dan fluktuasi
STMIK BANJARBARUSTMIK BANJARBARU Penerimaan Calon Pegawai Negeri Sipil (CPNS) 2024 menarik perhatian publik dengan berbagai opini yang mencerminkan sentimen masyarakat. Penelitian iniPenerimaan Calon Pegawai Negeri Sipil (CPNS) 2024 menarik perhatian publik dengan berbagai opini yang mencerminkan sentimen masyarakat. Penelitian ini
STTSSTTS Meskipun aplikasi ini bertujuan meningkatkan kecepatan, kemudahan, dan keamanan pelayanan publik, tingkat kepuasan pengguna tetap rendah. Penelitian iniMeskipun aplikasi ini bertujuan meningkatkan kecepatan, kemudahan, dan keamanan pelayanan publik, tingkat kepuasan pengguna tetap rendah. Penelitian ini
UMPPUMPP Hasil ini menunjukkan model BERT dapat menganalisis sentimen aplikasi secara efektif karena kemampuannya dalam mendeteksi pola bahasa kompleks dan meningkatkanHasil ini menunjukkan model BERT dapat menganalisis sentimen aplikasi secara efektif karena kemampuannya dalam mendeteksi pola bahasa kompleks dan meningkatkan
STMIK BANJARBARUSTMIK BANJARBARU Bank SeaBank adalah salah satu bank digital yang memiliki media sosial Twitter (X) dan YouTube dengan ribuan pengikut. Kedua platform ini sering digunakanBank SeaBank adalah salah satu bank digital yang memiliki media sosial Twitter (X) dan YouTube dengan ribuan pengikut. Kedua platform ini sering digunakan
STMIK BANJARBARUSTMIK BANJARBARU Penelitian ini menganalisis sentimen media sosial YouTube terhadap kereta cepat (Whoosh) menggunakan algoritma Bidirectional-LSTM. Masalah yang diangkatPenelitian ini menganalisis sentimen media sosial YouTube terhadap kereta cepat (Whoosh) menggunakan algoritma Bidirectional-LSTM. Masalah yang diangkat
IBRAHIMYIBRAHIMY Metode kualitatif digunakan dengan teknik observasi non-partisipatif, di mana skrip dialog dalam video disekikan, kemudian kata kerja dengan akhiran -ingMetode kualitatif digunakan dengan teknik observasi non-partisipatif, di mana skrip dialog dalam video disekikan, kemudian kata kerja dengan akhiran -ing
UNRIUNRI Sejak dua belas tahun terakhir hingga sekarang, berbagai upaya yang dilakukan pemerintah untuk meneruskan pembangunan PLTN di Pulau Gelasa, salah satunyaSejak dua belas tahun terakhir hingga sekarang, berbagai upaya yang dilakukan pemerintah untuk meneruskan pembangunan PLTN di Pulau Gelasa, salah satunya
Useful /
BSIBSI Penelitian ini berhasil mengelompokkan wilayah penjualan berdasarkan potensi penjualan menggunakan algoritma K-Means clustering. Hasil pengelompokan menunjukkanPenelitian ini berhasil mengelompokkan wilayah penjualan berdasarkan potensi penjualan menggunakan algoritma K-Means clustering. Hasil pengelompokan menunjukkan
BSIBSI Sistem yang diusulkan menerapkan arsitektur client–server dimana proses pengenalan yang membutuhkan komputasi tinggi dijalankan pada server Ubuntu menggunakanSistem yang diusulkan menerapkan arsitektur client–server dimana proses pengenalan yang membutuhkan komputasi tinggi dijalankan pada server Ubuntu menggunakan
BSIBSI Penelitian ini menganalisis dan merancang jaringan Virtual Private Network (VPN) berbasis Ethernet Over Internet Protocol (EoIP) sebagai alternatif penggantiPenelitian ini menganalisis dan merancang jaringan Virtual Private Network (VPN) berbasis Ethernet Over Internet Protocol (EoIP) sebagai alternatif pengganti
BSIBSI Pieces Framework merupakan metode yang memiliki 6 variabel yaitu: performance, Information and Data, Economy, Control and Securty, Eficiency dan servicePieces Framework merupakan metode yang memiliki 6 variabel yaitu: performance, Information and Data, Economy, Control and Securty, Eficiency dan service