Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Rekursif: Jurnal Informatika
Jopa Yopento
Universitas Bengkulu
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Rekursif: Jurnal Informatika

 1 
Identifikasi Pneumonia Pada Citra X-Ray Paru-Paru Menggunakan Metode Convolutional Neural Network (CNN) Berdasarkan Ekstraksi Fitur Sobel Jopa Yopento; Ernawati Ernawati; funny farady Coastera
Rekursif: Jurnal Informatika Vol 10, No 1 (2022): Volume 10 Nomor 1 Maret 2022
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/rekursif.v10i1.17247

Abstract

Pneumonia merupakan peradangan yang terjadi pada jaringan parenkim paru-paru yang sebagian besar disebabkan oleh mikroorganisme patogen dan sebagian kecil disebabkan oleh hal lain. Pneumonia sendiri masih menjadi penyebab tertinggi kematian balita maupun bayi baru lahir. Salah satu tindakan untuk mengetahui pasien terjangkit pneumonia adalah dengan melihat rougten atau citra CT-Scan paru-paru penderita. Sejauh ini para tenaga medis melakukan analisa secara langsung dengan melihat hasil rougten paru-paru pasien. Salah satu metode yang digunakan dalam melakukan klasifikasi terhadap citra adalah metode Convolutional Neural Network (CNN). CNN sendiri merupakan jenis Deep Learning yang popuker digunakan saat ini. Pada penelitian sebelumnya dalam mengidentifikasi pneumonia didapatkan hasil akurasi diatas 75%, namun terkendala dengan nilai akurasi yang masih dibawah 85% sehingga masih harus dilakkukan penelitian kembali untuk meningkatkan nilai akurasi dari model ini. Salah satu ekstraksi fitur yang biasa digunakan pada CNN yaitu ekstraksi fitur sobel guna meningkatkan akurasi pada mesin learning ini. Pada penelitian ini didapatkan hasil berupa Precision sebesar 91%, Recall sebesar 92.8% dan Accurasy sebesar 91.54%. tingkat akurasi yang didapatkan berdasarkan nilai epoch sebesar 50, learning rate sebesar 0.0001 dan nilai batch sebesar 20.  
Co-Authors Ernawati Ernawati funny farady Coastera