Melania Ramadhani (2022) Segmentasi Citra CT-Scan Paru-Paru Covid-19 Menggunakan Metode Deep Learning. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733007_HALAMAN JUDUL.pdf Download (2MB)
	Text (BAB I) 081811733007_BAB I.pdf Download (1MB)
	Text (FULLTEXT) 081811733007_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

COVID-19 merupakan penyakit yang belakangan ini menjadi pandemi di seluruh dunia. Virus ini mudah menyebar dan pada Maret 2020 di Indonesia tercatat lebih dari 4,2 juta kasus dengan 143 ribu orang meninggal. Pemeriksaan dan diagnosis yang tepat dan cepat dibutuhkan untuk menurunkan tingkat penyebaran virus ini. Diagnosis menggunakan CT-Scan dinilai lebih unggul dibandingkan dengan PCR dan X-Ray, namun hasil citra dari CT-Scan yang kabur dan kurang jelas sering menyebabkan perbedaan diagnosis antara dokter. Selain itu, pembacaan citra CT-Scan yang dilakukan secara manual sehingga proses diagnosis menjadi lambat. Pengolahan pada citra CT-Scan diperlukan agar citra menjadi lebih jelas dan dapat dibaca dengan cepat. Penelitian ini bertujuan untuk membuat model program pengolahan citra yang berupa segmentasi semantik dengan arsitektur U-Net++. U-Net++ bekerja dengan cara mensegmentasi dan memisahkan objek Ground Glass Opacity yang menjadi salah satu ciri COVID-19 dari objek lain pada CT-Scan paru paru pasien COVID-19. Hasil dari pengujian model program ini memiliki nilai IoU 53,89%,nilai F1-Score 63,51% , nilai presisi 82,34%, nilai sensivitas 52,98% , dan 98,43% untuk nilai akurasi.

Item Type:	Thesis (Skripsi)
Additional Information:	KKC KK S.FST.TB 28 - 23 Mel s
Uncontrolled Keywords:	COVID-19, Segmentation Semantic, U-Net++, CT-Scan
Subjects:	R Medicine > RC Internal medicine > RC109-216 Infectious and parasitic diseases
Divisions:	08. Fakultas Sains dan Teknologi > Tekno Biomedik
Creators:	Creators NIM Melania Ramadhani NIM081811733007
Contributors:	Contribution Name NIDN / NIDK Thesis advisor RIRIES RULANINGTYAS NIDN197903152003122002 Thesis advisor ANGGRAINI DWI SENSUSIATI NIDN196109121989032001
Depositing User:	Sulistiorini
Date Deposited:	30 Sep 2026 00:56
Last Modified:	30 Sep 2026 00:56
URI:	http://repository.unair.ac.id/id/eprint/148097
Sosial Share:

Actions (login required)

View Item