Bramara Azhra Sambada (2021) Optimasi Kinerja Model VGG Deep Learning Untuk Deteksi COVID-19 Berdasarkan Citra X-Ray. S1 thesis, Universitas Muhammadiyah Yogyakarta.
![[thumbnail of Halaman Judul]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Halaman Judul.pdf
Download (317kB)
![[thumbnail of Lembar Pengesahan]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (97kB)
![[thumbnail of Abstrak]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Abstrak.pdf
Restricted to Registered users only
Download (71kB)
![[thumbnail of Bab I]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab I.pdf
Download (132kB)
![[thumbnail of Bab II]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab II.pdf
Restricted to Registered users only
Download (759kB)
![[thumbnail of Bab III]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab III.pdf
Restricted to Registered users only
Download (96kB)
![[thumbnail of Bab IV]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab IV.pdf
Restricted to Registered users only
Download (2MB)
![[thumbnail of Bab V]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab V.pdf
Restricted to Registered users only
Download (11kB)
![[thumbnail of Daftar Pustaka]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (75kB)
![[thumbnail of Lampiran]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Lampiran.pdf
Restricted to Registered users only
Download (80kB)
![[thumbnail of Naskah Publikasi]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (1MB)
![[thumbnail of Full Text]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Full Text.pdf
Restricted to Repository staff only
Download (4MB)
Abstract
Virus Corona (Covid-19) adalah penyakit menular yang baru–baru ini ditemukan pada tahun 2019 di Wuhan, China. Berdasarkan data WHO, jumlah kasus virus corona di dunia saat penelitian ini dibuat sudah mencapai angka 123.902.242 kasus, dan sekitar 2.727.837 kematian terjadi akibat penyakit Covid-19. Salah satu cara yang dapat untuk memberantas virus ini adalah memutus rantai penyebarannya dengan melakukan deteksi dini kepada pasien. Machine Learning yang merupakan pendekatan dalam Artificial Intelligence (AI) karena banyak digunakan untuk melakukan klasifikasi secara otomatis. Machine Learning memiliki perluasan bidang yang lain seperti deep learning. Deep Learning memanfaatkan jaringan syaraf tiruan untuk implementasi permasalahan dalam pengenalan objek. Convolutional Neural Network (CNN) merupakan salah satu metode deep learning yang memiliki kemampuan yang kuat dalam merepresentasikan gambar untuk melakukan pengenalan (object recognition), deteksi objek (object detection) atau pengelompokan objek (object classification). Pada penelitian ini melakukan klasifikasi citra X-Ray_Covid dan X_Ray_Normal dengan menggunakan 2 arsitektur model CNN dan 3 algoritma optimasi yaitu VGG16, VGG19 dan Adam, RMSprop, Adadelta. Data set yang digunakan berasal dari salah satu peneliti di kaggle.com dan hasil pengujian dianalisis menggunakan matriks performa standar. Hasil penelitian yang didapatkan menunjukkan akurasi yang didapat pada model VGG-16 dan VGG-19 yaitu akurasi sebesar 99,31% dan 99,35% menggunakan optimasi Adam, 99,54% dan 99,17% menggunakan optimasi RMSprop, 97,50% dan 97,32% menggunakan optimasi Adadelta. Optimasi yang digunakan dapat mempengaruhi kinerja model, melihat dari segi akurasi terlihat bahwa model VGG-16 memiliki performa tertinggi menggunakan optimasi RMSprop dan Adadelta sedangkan model VGG-19 lebih unggul ketika menggunakan optimasi Adam.
Kata kunci: Covid-19. Deep Learning, Optimasi, VGG-16 dan VGG-19
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknologi Informasi S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 15 Dec 2021 08:47 |
Last Modified: | 15 Dec 2021 08:47 |
URI: | https://etd.umy.ac.id/id/eprint/5448 |