PENINGKATAN DETEKSI PENYAKIT PNEUMONIA MENGGUNAKAN VGG16 CONVOLUTIONAL NEURAL NETWORK (CNN)

Wiradinata, Edi (2025) PENINGKATAN DETEKSI PENYAKIT PNEUMONIA MENGGUNAKAN VGG16 CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (20kB)
	Text BAB II.pdf Restricted to Registered users only Download (169kB)
	Text BAB III.pdf Restricted to Registered users only Download (171kB)
	Text BAB IV.pdf Restricted to Registered users only Download (996kB)
	Text BAB V.pdf Download (9kB)
	Text DAFTAR PUSTAKA.pdf Download (137kB)

Abstract

Pneumonia merupakan salah satu penyebab utama kematian anak di bawah lima tahun, terutama di negara berpenghasilan rendah dan menengah. Keterlambatan diagnosis akibat terbatasnya tenaga medis menjadi tantangan serius dalam penanganan penyakit ini. Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) dengan arsitektur VGG16 untuk mendeteksi pneumonia dari gambar rontgen dada secara otomatis. Metode ini dipilih karena kemampuannya dalam mengekstraksi fitur penting dari citra secara efisien. Dataset yang digunakan terdiri dari gambar rontgen dada dengan dua kelas, yaitu pneumonia dan normal. Model VGG16 diimplementasikan menggunakan teknik transfer learning untuk mengatasi keterbatasan data pelatihan. Hasil penelitian menunjukkan bahwa model mencapai akurasi 96,42%, precision 96,36%, dan F1-Score 97,58% pada data pengujian. Dibandingkan dengan penelitian sebelumnya, model ini menunjukkan peningkatan signifikan dalam akurasi dan keseimbangan antara presisi dan recall. Penelitian ini juga mengatasi masalah overfitting yang sering terjadi pada model lain, sehingga lebih stabil dan dapat diandalkan untuk aplikasi praktis. Dengan demikian, model VGG16 yang diusulkan dapat menjadi solusi efektif untuk membantu tenaga medis dalam mendiagnosis pneumonia secara cepat dan akurat, serta berpotensi dikembangkan untuk deteksi penyakit paru-paru lainnya.

Actions (login required)

View Item