Kanker paru-paru adalah salah satu jenis penyakit dengan tingkat kematian tertinggi. Sebagian besar kanker paru-paru dapat dideteksi pada tahap selanjutnya di mana kanker telah menyebar. Deteksi pada tahap awal dapat mengurangi tingkat kematian akibat kanker paru-paru. Deteksi kanker paru-paru pada tahap awal dapat dilakukan menggunakan citra medis. Namun, sangat sulit untuk membuat diagnosis manual menggunakan citra medis dengan akurasi tinggi. Citra medis juga memiliki kapasitas besar yang memerlukan ruang penyimpanan yang luas, sementara kapasitas penyimpanan terbatas. Namun, diperlukan sistem klasifikasi yang memudahkan deteksi jenis kanker dengan akurasi tinggi dan dapat menyimpan citra medis secara efisien tanpa mengurangi kualitasnya. Untuk mengatasi hal ini, diperlukan penggunaan penginderaan kompresif (CS) dan jaringan saraf konvolusi (CNN).
Thesis ini berfokus pada kinerja model klasifikasi menggunakan CNN berdasarkan citra CS kanker paru-paru dengan menganalisis perbandingan teknik langka seperti Transformasi Kosinus Diskrit (DCT), Transformasi Gelombang Diskrit (DWT), Transformasi Fourier Cepat (FFT), analisis efek perubahan rasio kompresi (CR) dengan CR 70%, 80%, dan 90%, serta analisis kinerja model menggunakan rekonstruksi OMP dan tanpa rekonstruksi OMP. Parameter kinerja yang digunakan dalam penelitian ini adalah peak signal-to-noise ratio (PSNR), Mean Squared Error (MSE), akurasi, skor f1, presisi, dan recall. Thesis ini melakukan 30 kali percobaan menghitung darat dari data yang didapatkan untuk mencari model terbaik untuk klasifikasi kanker paru-paru dari citra penginderaan kompresif.
Berdasarkan kajian sebelumnya, evaluasi kami menunjukkan bahwa DCT secara konsisten memberikan metrik kinerja yang lebih baik dibandingkan dengan teknik langka lainnya dengan 98.81%, 98.42%, 99.03%, dan 98.36% untuk nilai accuracy, f1 score, precision, and recall. Efek rasio kompresi pada model menunjukkan bahwa rasio kompresi yang lebih tinggi menghasilkan trade-off antara metrik kualitas gambar dan kinerja klasifikasi, dengan rasio kompresi terbaik adalah 70%. Penggunaan rekonstruksi OMP secara konsisten meningkatkan metrik kualitas gambar dan meningkatkan metrik parameter lainnya dibandingkan dengan rekonstruksi tanpa OMP.