Sabran, Muhammad (2024) Klasifikasi Gambar X-Ray Pada Penyakit Tuberculosis Menggunakan Model ResNet12 dan Few-Shot Meta Learning - Submit Jurnal. Bachelor thesis, Institut Teknologi Kalimantan.
Text
11201066_cover.pdf Download (88kB) |
|
Text
11201066_statement_of_audacity.pdf Download (1MB) |
|
Text
11201066_publishing_agreement.pdf Download (1MB) |
|
Text
11201066_approval_sheet.pdf Download (1MB) |
|
Text
11201066_preface.pdf Download (1MB) |
|
Text
11201066_abstract_id.pdf Download (1MB) |
|
Text
11201066_abstract_en.pdf Restricted to Repository staff only until 4 May 2026. Download (1MB) | Request a copy |
|
Text
11201066_table_of_content.pdf Restricted to Repository staff only until 4 May 2026. Download (2MB) | Request a copy |
|
Text
11201066_illustrations.pdf Restricted to Repository staff only until 4 May 2026. Download (1MB) | Request a copy |
|
Text
11201066_tables.pdf Restricted to Repository staff only until 4 May 2026. Download (1MB) | Request a copy |
|
Text
11201066_notations.pdf Restricted to Repository staff only until 4 May 2026. Download (1MB) | Request a copy |
|
Text
11201066_chapter_1.pdf Restricted to Repository staff only until 4 May 2026. Download (4MB) | Request a copy |
|
Text
11201066_chapter_3.pdf Restricted to Repository staff only until 4 May 2026. Download (1MB) | Request a copy |
|
Text
11201066_conclusions.pdf Restricted to Repository staff only until 4 May 2026. Download (2MB) | Request a copy |
|
Text
11201066_bibliography.pdf Download (2MB) |
|
Text
11201066_enclosure.pdf Restricted to Repository staff only until 4 May 2026. Download (4MB) | Request a copy |
|
Text
11201066_paper.pdf Restricted to Repository staff only until 4 May 2026. Download (7MB) | Request a copy |
|
Text
11201066_presentation.pdf Restricted to Repository staff only until 4 May 2026. Download (4MB) | Request a copy |
|
Text
11201066_Form. TA-020.pdf Restricted to Repository staff only until 4 May 2026. Download (876kB) | Request a copy |
Abstract
Tuberkulosis (TB) adalah penyakit paru-paru yang bersifat menular dan disebabkan oleh bakteri bernama Mycobacterium Tuberculosis. Proses diagnosa penyakit TB pada umumnya dilakukan secara konvensional melalui pengamatan langsung dari dokter terhadap hasil gambar x-ray dari paru-paru pasien. Peningkatan jumlah penderita penyakit TB tidak diimbangi dengan jumlah dokter spesialis paru-paru yang masih terbatas. Sebagai tambahan beban tugas dokter spesialis paru-paru di Indonesia yang semakin berat karena jumlah pasien yang banyak, dibuatlah model kecerdasan buatan untuk melakukan klasifikasi gambar x-ray dari paru-paru pasien, apakah mengalami TB atau masih dalam keadaan sehat atau normal. Salah satu tantangan terbesarnya adalah ketersediaan dataset gambar x-ray TB yang masih terbatas karena termasuk dalam ranah privasi pasien. Berdasarkan permasalahan sebelumnya, penelitian ini menggunakan pendekatan metode few-shot learning (FSL) yang sesuai untuk mengatasi keterbatasan dataset. Few-shot learning diaplikasikan sebagai model kecerdasan buatan yang mampu mengklasifikasikan hasil gambar x-ray pasien ke dalam dua kelas, yaitu paru-paru normal dan paru-paru yang positif terkena Tuberkulosis. Penelitian ini akan berfokus pada pembuatan model few-shot learning dan membandingkan hasil evaluasi model FSL dengan model-model yang dibuat menggunakan metode CNN konvensional. Proses evaluasi model menggunakan matriks evaluasi berupa accuracy, precision, recall, dan f1-score. Hasil evaluasi seluruh model menggunakan data test menunjukkan model FSL 5-shot memiliki nilai matriks evaluasi yang paling tinggi dibandingkan dengan model-model lainnya yakni dengan nilai accuracy sebesar 0.984000, recall sebesar 0.995902, precision sebesar 0.972000, dan f1-score sebesar 0.983806.
Item Type: | Thesis (Bachelor) |
---|---|
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | Jurusan Matematika dan Teknologi Informasi > Informatika |
Depositing User: | Muhammad Sabran |
Date Deposited: | 27 Dec 2023 03:26 |
Last Modified: | 27 Dec 2023 03:26 |
URI: | http://repository.itk.ac.id/id/eprint/20801 |
Actions (login required)
View Item |