YUSRIL PUTRA YONANDA (2022) Deteksi Otomatis Bakteri Escherichia Coli Dari Citra Tryptic Soy Agar Menggunakan Metode Deep Learning. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733053_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811733053_BAB I.pdf Download (691kB)
	Text (FULLTEXT) 081811733053_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Escherichia coli merupakan bakteri flora normal yang hidup di usus manusia, tidak berbahaya, dan merupakan bagian dari saluran pencernaan yang sehat. Akan tetapi terdapat beberapa strain Escherichia coli patogen yang dapat menyebabkan infeksi pada saluran pencernaan yakni diare. Penyakit diare di Indonesia yang perlu penanganan dan kajian dikarenakan sebagian besar diagnosis masih berdasarkan diagnosis klinis. Metode konvensional yang digunakan untuk deteksi bakteri Escherichia coli antara lain metode biakan (kultur), uji biokimia, dan uji serologis. Metode tersebut mempunyai kelemahan yaitu membutuhkan waktu yang lama, jumlah sampel yang banyak, dan kesalahan pembacaan hasil yang relatif tinggi. Oleh karena itu proses pendeteksian perlu dilakukan secara otomatis menggunakan metode deep learning berjenis Faster R-CNN. Pada penelitian kalin ini digunakan Faster R-CNN dengan arsitektur Inception v2 dan ResNet-50 serta menambahkan augmentasi dan Image Enhancement pada dataset citra Tryptic Soy Agar. Hasil pengujian menunjukkan bahwa penambahan Image Enhancement sangat mempengaruhi kinerja model dan model yang memiliki kinerja paling baik dan paling tepat untuk digunakan adalah Faster R-CNN arsitektur ResNet-50 dengan penambahan Gaussian Filter pada dataset citra. Model tersebut memiliki akurasi 91%, presisi 90%, recall 95%, dam F-1 score 92%.

Actions (login required)

View Item