AMALIA HUSNA (2023) PERBANDINGAN KLASIFIKASI DENYUT NADI TRADITIONAL CHINESE MEDICINE MENGGUNAKAN DEEP LEARNING VGG, ALEXNET, DAN LENET. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (475kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (365kB)
Abstrak.pdf
Restricted to Registered users only
Download (14kB)
Bab I.pdf
Download (84kB)
Bab II.pdf
Restricted to Registered users only
Download (664kB)
Bab III.pdf
Restricted to Registered users only
Download (104kB)
Bab IV.pdf
Restricted to Registered users only
Download (301kB)
Bab V.pdf
Restricted to Registered users only
Download (12kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (99kB)
Lampiran.pdf
Restricted to Registered users only
Download (16kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (412kB)
Full Text.pdf
Restricted to Repository staff only
Download (1MB)
Abstract
Traditional Chinese Medicine (TCM) adalah sebuah praktik pengobatan alternatif yang berasal dari Tiongkok. TCM didasarkan pada konsep Qi, Yin dan Yang dan bertujuan untuk mengembalikan keseimbangan dalam tubuh. Pada TCM denyut nadi dibagi menjadi hesitant dan moderate. Denyut nadi hesitant adalah denyut nadi yang tidak berjalan secara teratur dan memiliki interval yang tidak konsisten antara satu denyut dengan denyut berikutnya, sedangkan denyut nadi moderate adalah denyut nadi yang per menitnya berada dalam kisaran yang sehat dan normal untuk orang dewasa. Penelitian yang menggunakan deep learning untuk klasifikasi nadi sudah ada, tetapi belum ada yang menggunakan VGG, AlexNet, dan LeNet. Penelitian ini bertujuan untuk memberikan akurasi pada analisis klasifikasi denyut nadi untuk meminimalisir kesalahan dan kurangnya ketelitian dalam menganaliasis denyut nadi. Metode yang digunakan yaitu metode kuantitatif. Pada penelitian ini melakukan klasifikasi denyut nadi dengan menggunakan tiga model yaitu VGG, AlexNet, dan LeNet. Kemudian penelitian ini menggunakan 48 data hesitant dan 80 data moderate. Dari data yang tidak seimbang dihasilkan nilai f1-score. Nilai f1-score dari model VGG dengan data hesitant sebesar 0.0 sedangkan pada data moderate sebesar 0.76, model AlexNet dengan data hesitant sebesar 0.90 sedangkan pada data moderate sebesar 0.94, dan model LeNet dengan data hesitant sebesar 0.95 sedangkan pada data moderate sebesar 0.95. Model yang digunakan dapat mempengaruhi hasil, melihat dari segi f1-score terlihat bahwa model LeNet memiliki performa tinggi. Sehingga hasil ini dapat membantu tenaga kesehatan yang kurang teliti dalam mendeteksi untuk meringankan analisis.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | TCM, Deep Learning, VGG, AlexNet, LeNet |
Divisions: | Fakultas Teknik > Teknologi Informasi S1 |
Depositing User: | M. Erdiansyah |
Date Deposited: | 11 Nov 2023 07:37 |
Last Modified: | 11 Nov 2023 07:37 |
URI: | https://etd.umy.ac.id/id/eprint/42415 |