Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Sistem Informasi
Linardi, Shelina
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 1 Documents
Search

 1 
Penerapan Cov19-Resnet Untuk Deteksi Covid-19 Pada Gambar Chest X-Ray yang Difoto Ulang Menggunakan Smartphone Linardi, Shelina; Lestari, Caecilia Citra
Jurnal Informatika dan Sistem Informasi Vol. 8 No. 2 (2022): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37715/juisi.v8i2.4321

Abstract

Pada akhir tahun 2019, dunia digemparkan dengan munculnya Corona virus (COVID-19). COVID-19 cepat berkembang sehingga muncul varian baru dan diperlukan metode yang dapat melakukan deteksi awal kemungkinan adanya virus agar pasien dapat mendapat penanganan yang tepat. Rontgen dada dapat dilakukan untuk melihat kemungkinan COVID-19 pada paru-paru. Sementara itu, konsultasi menggunakan aplikasi telemedika sering digunakan pasien karena lebih hemat waktu dan aman. Sayangnya, gambar rontgen dada yang diberikan pasien memiliki kualitas yang buruk karena difoto ulang menggunakan telepon pintar sehingga menjadi tidak layak baca dan dokter sulit melakukan diagnosis. Oleh karena itu, COV19-ResNet akan digunakan untuk memprediksi kemungkinan adanya virus pada rontgen dada. Dataset yang digunakan merupakan kumpulan gambar dari hasil rontgen dada yang difoto serta dilakukan augmentasi gambar dengan metode rotasi, menambah kecerahan, menurunkan kontras, blur dan kebisingan gambar sehingga menyerupai hasil rontgen dada yang difoto ulang menggunakan telepon pintar. Model dilatih menggunakan 2200 dataset dengan pembagian 80% data pelatihan dan 20% data validasi. Dengan menggunakan 100 epoch dan batch size sebesar 32, model memiliki akurasi pelatihan sebesar 85% dan akurasi validasi sebesar 80%. Model juga telah diuji menggunakan 30 gambar dan memiliki akurasi 90%.
Co-Authors Lestari, Caecilia Citra