EKA NOVA PRAMUDYA (2023) ANALISIS EFEKTIVITAS OPTIMASI DEEP LEARNING TERHADAP DETEKSI COVID-19 PADA CITRA X-RAY. S1 thesis, Universitas Muhammadiyah Yogyakarta.

	Text (Halaman Judul) Halaman Judul.pdf Download (3MB)
	Text (Lembar Pengesahan) Lembar Pengesahan.pdf Restricted to Registered users only Download (160kB)
	Text (Abstrak) Abstrak.pdf Restricted to Registered users only Download (160kB)
	Text (Bab I) Bab I.pdf Restricted to Registered users only Download (171kB)
	Text (Bab II) Bab II.pdf Restricted to Registered users only Download (923kB)
	Text (Bab III) Bab III.pdf Restricted to Registered users only Download (1MB)
	Text (Bab IV) Bab IV.pdf Restricted to Registered users only Download (118kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Restricted to Registered users only Download (177kB)
	Text (Lampiran) Lampiran.pdf Restricted to Registered users only Download (72kB)
	Text (Naskah Publikasi) Naskah Publikasi.pdf Restricted to Registered users only Download (1MB)
	Text (Full Text) Full Text.pdf Restricted to Repository staff only Download (5MB)

Abstract

Meskipun wabah Covid-19 telah berubah menjadi endemi, deteksi dan diagnosa terkait Covid-19 tetap penting. Banyak metode deep learning dan algoritma optimasi telah digunakan dalam identifikasi citra X-Ray, namun belum ada analisis mendalam mengenai efektivitas algoritma optimasi deep learnig. Identifikasi Covid-19 melalui citra X-Ray memiliki peran penting dalam penanganan pandemi. Penggunaan model deep learning seperti VGG16 dapat membantu dalam proses ini. Namun, untuk meningkatkan efektivitas identifikasi, diperlukan analisis lebih lanjut dengan menerapkan optimasi pada model deep learning tersebut. Penelitian bertujuan untuk menganalisis efektivitas tujuh algoritma optimasi pada model jaringan saraf konvolusional VGG16 dalam identifikasi citra X-Ray Covid-19. Analisis dalam penelitian ini menggunakan metode kuantitatif dan observasi visual untuk memberikan pemahaman yang komprehensif tentang efektivitas algoritma optimasi pada model jaringan saraf konvolusional VGG16 dalam identifikasi citra X-Ray Covid-19. Metode kuantitatif memberikan data angka yang objektif melalui pengukuran akurasi, presisi, recall, serta F1 Score  sebagai indikator evaluasi dalam memperoleh pemahaman. Analisis dengan observasi visual menggunakan Grad-CAM untuk memvisualisasikan area penting dalam citra yang berkontribusi terhadap hasil prediksi model. Peta aktivasi Grad-CAM memungkinkan identifikasi area penting dalam citra yang menjadi fokus dalam proses identifikasi Covid-19. Hasil penelitian menunjukkan bahwa model dengan optimasi yang berbeda menghasilkan peta aktivasi yang berbeda pada citra normal dan Covid-19. Evaluasi menunjukkan hasil yang memuaskan dengan rata-rata akurasi hingga 99%. Identifikasi menggunakan Grad-CAM dalam setiap optimasi menunjukkan fokus yang berbeda pada area paru-paru. Penelitian ini memberikan kontribusi penting dalam menganalisis efektivitas algoritma optimasi deep learning pada identifikasi Covid-19 melalui citra X-Ray. Hasil penelitian ini dapat menjadi landasan untuk pengembangan metode deteksi dan diagnosa yang lebih optimal pada masa mendatang.

Dosen Pembimbing:	Slamet Riyadi, Ir., S.T., M.Sc., Ph.D. and Cahya Damarjati, S.T., M.Eng., Ph.D. | NIDN0509087801, NIDN0515038702
Item Type:	Thesis (S1)
Uncontrolled Keywords:	Covid-19, deep learning, VGG16, Optimizer, X-Ray, Grad-CAM, Identification, Activation Maps
Divisions:	Fakultas Teknik > S1 Teknologi Informasi
Depositing User:	Aidilla Qurotianti
Date Deposited:	26 Oct 2023 06:33
Last Modified:	26 Oct 2023 06:33
URI:	https://etd.umy.ac.id/id/eprint/40768

Actions (login required)

View Item