Identifikasi Batu Ginjal Menggunakan Metode Convolutional Neural Network

ILHAM YORI PRADANA

Informasi Umum

Kode

ITTS.0823000050

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Rekayasa Perangkat Lunak, Ta

Dilihat

609 kali

Informasi Lainnya

Abstraksi

Meningkatnya arus globalisasi membawa dampak perubahan yang besar. Dampak positif tersebut dapat dilihat dari perubahan gaya hidup, perilaku, dan lingkungan, selain itu dampak negatif yang dihasilkan adalah meningkatnya kasus-kasus penyakit, dan salah satunya adalah batu ginjal. Ginjal sendiri merupakan organ eksresi pada manusia yang berbentuk mirip dengan kacang yang berfungsi untuk menyaring kotoran yang masuk dari darah dan membuangnya bersama dengan urine. Batu ginjal terjadi karena mineral atau zat lain dalam darah yang mengkristal pada ginjal dan membentuk suatu padatan. Jika hal tersebut dibiarkan batu ginjal mampu menimbulkan masalah seperti infeksi, penyumbatan aliran kencing bahkan dapat merusak organ ginjal, menurut data prevalensi 6 dari 1000 penduduk Indonesia merupakan penderita batu ginjal. Maka dari itu untuk membantu dalam pendeteksian dini maka diterapkan metode Convolutional Neural Network untuk membantu dalam mendiagnosa dini penyakit tersebut. Convolutional Neural Network merupakan metode yang dikembangkan dari Multilayer Perceptron, tetapi yang membedakan adalah neuron pada metode ini neuron disusun menjadi tiga dimensi yaitu weight, lenght dan depth, depth disini bukanlah jumlah layer tetapi volume aktivasi. Arsitektur sistem dari model tersebut nantinya akan seperti berikut, dataset yang telah didapatkan akan melalui proses pre-processing menggunakan metode CLAHE setelah itu dataset dipisah menjadi 60% training, 20% validasi, dan 20% testing, kemudian pada proses training CNN akan berjalan didalam stratified k-fold cross validation, k-fold digunakan untuk mengukur mencari model terbaik, setelah itu model yang telah disimpan akan melalui proses testing kembali pengukuran performa model tersebut dilakukan menggunakan confusion matrix. Hasil dari penelitian ini didapatkan bahwa model yang menggunakan Convolutional Neural Network, memiliki performa lebih baik dibandingkan pada penelitian sebelumnya, performa model ini memiliki akurasi 85% sedangkan pada penelitian sebelumnya yang menggunakan model Extreme Learning Machine mendapatkan 80,76%.

Kata Kunci: Batu Ginjal, Convolutional Neural Network, Ultrasonografi, Website