Caesario Indra Ardana, - (2022) EFEKTIVITAS TEKNOLOGI KECERDASAN BUATAN (SICOSA) SEBAGAI DIAGNOSIS PENUNJANG PNEUMONIA COVID-19. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN I) 011911133070 HALAMAN I.pdf Download (749kB)
	Text (BAB I) 011911133070 BAB I.pdf Download (45kB)
	Text (FULL TEXT) 011911133070.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Pendahuluan : COVID-19 dapat dideteksi dengan berbagai cara yaitu PCR sebagai baku emas yang relatif mahal dan lama atau dengan pencitraan seperti X-Ray yang relatif lebih murah dan cepat. Akan tetapi, X-Ray untuk mendiagnosis COVID-19 memiliki kekurangan yaitu bergantung pada ahli radiologi dalam menginterpretasikannya. Kecerdasan buatan hadir untuk menangani masalah ketersediaan ahli radiologi ini. Metode : Studi ini merupakan studi observasional analitik menggunakan rancangan cross-sectional berbasis data sekunder. Pengambilan sampel dilakukan dengan teknik non probability sampling. Luas kurva AUROC digunakan untuk menilai kelayakan suatau alat diagnosis. Semakin luas kurva AUROC semakin bagus suatu alat diagnosis. Hasil Penelitian : Pada penelitian ini didapatkan sampel sebanyak 500 foto dengan true positive COVID-19 sejumlah 460 foto thorax X-Ray dan true negative COVID-19 sejumlah 40 foto thorax X-Ray. SiCoSa dengan arsitektur MobileNetV2 memiliki sensitivitas; spesifisitas; akurasi; PPV; NPV; dan AUROC berturut-turut sebesar 100%; 0%; 92%; 92%; indeterminate; dan 0,5 sedangkan SiCoSa dengan arsitektur ResNet 50 memiliki sensitivitas; spesifisitas; akurasi; PPV; NPV; dan AUROC berturut-turut sebesar 82,61%; 20%; 77,6%; 92,23%; 9,10%; dan 0,5131. Kesimpulan : SiCoSa tidak memiliki performa yang cukup dalam membedakan pneumonia COVID-19 dan pneumonia non-COVID-19 sehingga belum dapat digunakan sebagai alat diagnosis pneumonia COVID-19.

Actions (login required)

View Item