Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK)
H. Mosi, Thia Riskiyani
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
KLASIFIKASI PENYAKIT PNEUMONIA MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK (CNN) H. Mosi, Thia Riskiyani; Yasin Aril Mustofa; Sudirman Melangi; Annahl Riadi
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 4 No 1 (2025): Mei 2025
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v4i1.1462

Abstract

Abstrak - Penyakit pneumonia merupakan salah satu penyebab utama kematian di Indonesia dan diagnosis dini sangat penting untuk penanganan yang efektif. Penelitian ini bertujuan untuk mengembangkan model klasifikasi pneumonia menggunakan metode Convolution Neural Network (CNN) berbasis citra X-ray paru-paru. Metodologi penelitian ini melibatkan penggunaan dataset citra rontgen paru-paru yang diambil dari Kaggle, yang terdiri dari dua kelas yaitu pneumonia dan normal. Tahapan yang dilakukan meliputi pengumpulan data, pre-processing citra, pelatihan model CNN, serta evaluasi model menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model CNN yang dibangun mampu mengklasifikasikan citra X-ray paru-paru dengan akurasi mencapai 96%. valuasi lebih lanjut menunjukkan bahwa model ini memiliki tingkat presisi dan recall yang tinggi, yang menunjukkan kemampuannya dalam mengenali pneumonia dengan baik. Selain itu, confusion matrix menunjukkan bahwa model ini memiliki performa yang baik dalam mengidentifikasi kedua kelas dengan minim kesalahan. Penelitian ini memberikan kontribusi dalam bidang teknologi kesehatan, khususnya dalam pemanfaatan CNN untuk klasifikasi penyakit pneumonia. Temuan ini menunjukkan bahwa CNN adalah metode yang efektif untuk meningkatkan kecepatan dan akurasi diagnosis pneumonia melalui analisis citra X-ray. Ke depannya, penelitian lebih lanjut dengan dataset yang lebih besar dan beragam dapat lebih meningkatkan performa model ini. Kata Kunci: Pneumonia, Convolution Neural Network
Co-Authors Annahl Riadi Sudirman Melangi Yasin Aril Mustofa