PENGOLAHAN CITRA PADA CT SCAN UNTUK KLASIFIKASI COVID-19 DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN ARSITEKTUR EFFICIENTNET
MUHAMMAD RIFQI FADHILA
Informasi Umum
Kode
21.04.4061
Klasifikasi
621.38 2 - Signal processing, Information theory
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Signal - Processing
Dilihat
268 kali
Informasi Lainnya
Abstraksi
Pada tahun 2020 dunia telah dihadapi dengan pandemi COVID-19. Banyak sekali orang yang terkena dengan virus corona tercatat sudah lebih dari 100.000 jiwa yang sudah meninggal di seluruh dunia. Untuk mendekteksi virus corona sendiri bisa menggunakan beberapa cara salah satunya dengan menggunakan CT Scan. Oleh karena itu pada penelitian ini akan menggunakan CT Scan sebagai dataset yang didapat melalui situs Github. Pada Tugas Akhir ini dirancang sebuah sistem CNN dengan arsitektur EfficientNet untuk mengklasifikasi COVID-19 dari gambar CT Scan. Peneliti akan menggunakan 1000 dataset yang akan dibagi dua kelas, yaitu covid dan normal. Optimizer yang digunakan antara lain Adam, SGD, Nadam, RMSprop, dan Adamax. Ditambah dengan nilai learning rate sebesar 0.001, 0.01, 0.1. Tujuan dari penelitian kali ini antara lain untuk mengetahui performansi dari model EfficientNet dalam mengklasifikasi dan parameter apa saja yang mempengaruhi dalam proses klasifikasi tersebut. Hasil dari Tugas Akhir ini adalah model terbaik untuk mengklasifikasi dataset ini yaitu menggunakan optimizer Adamax dengan learning rate 0.01 dan preprocessing yang digunakan yaitu CLAHE.
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MUHAMMAD RIFQI FADHILA |
| Jenis | Perorangan |
| Penyunting | Nur Ibrahim, Syamsul Rizal |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
