KLASIFIKASI PENYAKIT BATU GINJAL MELALUI CITRA CT SCAN DENGAN PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR DENSENET-121

Pramesti, Vani Aulia (2024) KLASIFIKASI PENYAKIT BATU GINJAL MELALUI CITRA CT SCAN DENGAN PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR DENSENET-121. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602000068_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32602000068_pernyataan_publikasi.pdf Restricted to Registered users only Download (53kB)

Abstract

Batu ginjal adalah masalah kesehatan yang cukup serius di mata dunia. Jika tidak ditangani dengan baik, batu ginjal dapat menyebabkan nyeri hebat, gangguan fungsi ginjal, dan komplikasi lainnya. Komputer tomografi CT Scan resolusi tinggi dapat digunakan untuk membuat diagnosis batu ginjal. Hanya membutuhkan beberapa detik ataupun menit dalam melakukan pengambilan gambar CT Scan pada pasien, dan dokter akan menjelaskan hasilnya beberapa hari atau minggu setelah prosedur dilakukan. Klasifikasi penyakit batu ginjal dan ginjal normal melalui citra CT Scan dilakukan dalam penelitian ini dengan penerapan algoritma Convolutional Neural Network dan arsitektur DenseNet-121 untuk mempercepat waktu diagnosa. Pengambilan data diperoleh melalui situs Kaggle. Data yang digunakan dan telah diolah dalam penelitian ini yaitu 1.101 data training, 110 data validasi, 110 data testing data tersebut untuk masing-masing kelas. Pra-pemrosesan data dilakukan resizing 224x224 dan implementasi augmentasi data. Bangun model untuk melakukan klasifikasi penyakit batu ginjal menerapkan metode CNN dengan arsitektur DenseNet-121 yang kemudian diproses deployment local menggunakan Streamlit. Model yang telah dibangun kemudian diuji menggunakan data testing dan confusion matrix. Hasil penerapan metode CNN dengan arsitektur DenseNet-121 pada penelitian ini yaitu accuracy 98,18%, precision 96,36%, recall 100%, f1-score 98,14%. Kata Kunci: Convolutional Neural Network, DenseNet-121, Klasifikasi

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	12 Feb 2025 01:54
URI:	http://repository.unissula.ac.id/id/eprint/37540

Actions (login required)

View Item