Ummu Ni'matul Lailiyah (2022) DETEKSI POLA CITRA CT-SCAN PARU-PARU COVID-19 MENGGUNAKAN METODE DEEP LEARNING. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733006_HALAMAN JUDUL.pdf Download (984kB)
	Text (BAB I) 081811733006_BAB I.pdf Download (481kB)
	Text (FULLTEXT) 081811733006_FULLTEXT.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Coronavirus (COVID-19) adalah virus genus baru yang ditemukan pada tahun 2019 di Wuhan, China yang mengakibatkan gangguan pernapasan akut serta kerusakan pada organ lain. Sehingga who menyatakan pandemi global COVID-19 pada Maret 2020. COVID-19 telah menginfeksi lebih dari 640 juta orang di seluruh dunia antara Desember 2019 hingga November 2022 dan dilaporkan telah menyebabkan lebih dari 6,6 juta kasus kematian penduduk dunia. Ada tiga jenis mekanisme pengujian COVID-19 yang tersedia diantaranya adalah Reverse Transcription Polymerase Chain Reaction (RT- PCR), Computed Tomography (CT-Scan), dan Chest X-Ray (CXR). CT scan dapat mendeteksi COVID-19 dengan akurasi yang lebih tinggi daripada RT- PCR dan CXR. Citra CT dapat menunjukkan lesi awal di paru-paru untuk diagnosis oleh ahli radiologi, namun hasil citra yang kurang jelas mengurangi akurasi dan mempengaruhi waktu diagnosis. Penelitian ini bertujuan untuk membuat model program pengolahan citra menggunakan komputer dengan metode YOLO (You Only Look Once). YOLO bekerja dengan cara membuat bounding box pada pola yang menunjukan ciri-ciri COVID-19 yakni GGO (Ground Glass Opacity) dan Konsolidasi. Tingkat keberhasilan deteksi menggunakan model ini dilihat dari pengukuran kinerja nya dengan hasil mAP 90,01%, presisi 91%, recall 75%, F1-Score 82%, dan Iou 67,84% serta waktu pemrosesan deteksi 644 dataset yakni selama 32 detik.

Actions (login required)

View Item