SHAFA `A MIRAWATI (2022) Klasifikasi Citra Paru Covid-19 Hasil CT-Scan Berbasis Deep Learning. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733033_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811733033_BAB I.pdf Download (341kB)
	Text (FULLTEXT) 081811733033_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

COVID-19 pertama kali muncul di Indonesia pada tahun 2020, virus ini menyebar dengan sangat cepat ke semua negara sehingga WHO menyatakan virus ini menjadi masalah global hingga virus ini diberi nama Coronavirus Disease-19 (COVID-19). Untuk saat ini metode RT-PCR sering digunakan untuk mendeteksi pasien COVID-19, namun terdapat beberapa kekurangan yaitu sering terjadinya hasil false positive yang disebabkan oleh perubahan komposisi basis RNA akibat pengiriman sampel yang tidak tepat dan pengambilan sampel swab yang tidak dikumpulkan dengan benar. Dari kekurangan yang terjadi, peneliti berharap adanya metode yang lebih baik dengan meminimalisir angka positif palsu yang terjadi dengan menggunakan alat diagnostik CT-Scan. Pada penelitian ini penulis menggunakan model jaringan deep learning arsitektur Alexnet dengan pemrograman Google Collab untuk mengidentifikasi keberadaan virus Covid dan Pneumonia dari hasil citra CT-Scan. Hasil model program Alexnet dengan menggunakan dataset Covid dan pneumonia memiliki nilai akurasi 93,75%, sensitivitas 94,40%, dan spesifisitas 94%.

Item Type:	Thesis (Skripsi)
Additional Information:	KKC KK S.FST.TB 29 - 23 Sha k
Uncontrolled Keywords:	COVID-19, Pneumonia, Classification, Alexnet, CT-Scan.
Subjects:	R Medicine > RC Internal medicine > RC109-216 Infectious and parasitic diseases
Divisions:	08. Fakultas Sains dan Teknologi > Fisika
Creators:	Creators NIM SHAFA `A MIRAWATI NIM081811733033
Contributors:	Contribution Name NIDN / NIDK Thesis advisor RIRIES RULANINGTYAS NIDN197903152003122002
Depositing User:	Sulistiorini
Date Deposited:	30 Sep 2026 01:40
Last Modified:	30 Sep 2026 01:40
URI:	http://repository.unair.ac.id/id/eprint/148106
Sosial Share:

Actions (login required)

View Item