KLASIFIKASI PENYAKIT ESOFAGITIS PADA CITRA HASIL ENDOSKOPI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Najibulloh, Imam Kharits (2022) KLASIFIKASI PENYAKIT ESOFAGITIS PADA CITRA HASIL ENDOSKOPI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). Sarjana thesis, Universitas Siliwangi.

[img] Text
1. Cover.pdf
Download (199kB)
[img] Text
3. Lembar Pengesahan.pdf
Download (213kB)
[img] Text
2. Abstrak.pdf
Download (364kB)
[img] Text
4. Kata Pengantar dan lainnya.pdf
Download (345kB)
[img] Text
BAB I.pdf
Download (451kB)
[img] Text
BAB II.pdf
Download (879kB)
[img] Text
BAB III.pdf
Download (539kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text
BAB V.pdf
Restricted to Repository staff only
Download (446kB)
[img] Text
Daftar Pustaka.pdf
Download (822kB)

Abstract

ABSTRAK Penyakit umum terjadi pada masyarakat terutama orang dewasa diantaranya adalah Gastro-esophageal reflux disease (GERD), GERD dapat menyebabkan berbagai komplikasi disaluran pencernaan diantaranya adalah esofagitis. Pemeriksaan endoskopi menjadi pilihan dalam menentukan penyakit yang diderita pasien terutama terkait gastrointestinal dalam hal ini esofagitis. Endoskopi adalah prosedur medis untuk memeriksa saluran cerna secara visual, namun pelayanan endoskopi hanya dapat digunakan dengan alat khusus dan dokter yang berkompeten di bidang gastroenterologi untuk memeriksa hasil endoskopi. Peneliti sebelumnya melakukan penelitian untuk mengesktraksi hasil scan citra image endoskopi untuk mengetahui polip dan pendarahan saluran cerna, namun objek penelitian dilakukan hanya pada polip dan algoritma yang digunakan adalah (K-Nearest Neighbor) KNN. Penggunaan algoritma CNN memiliki performa terbaik dalam melakukan klasifikasi dibandingkan dengan algoritma KNN (Naufal Mohammad Farid, 2021). Oleh karena itu, dalam penelitan ini dilakukan untuk melakukan klasifikasi penyakit esophagitis pada citra hasil endoskopi dengan menggunakan CNN. CNN memiliki akurasi yang lebih tinggi daripada KNN berdasarkan penelitian serupa yang telah dilakukan. Pada penelitian ini CNN mampu mengklasifikasi dataset hasil endoskopi perolehan nilai akurasi sebesar 96,04%, nilai presisi sebesar 98,94%, nilai recall sebesar 93,00% dan nilai f1-score sebesar 95,88%. Kata kunci: Citra, CNN, Deep learning, Endoskopi, Esofagitis.

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 15 Mar 2023 02:03
Last Modified: 15 Mar 2023 02:03
URI: http://repositori.unsil.ac.id/id/eprint/8894

Actions (login required)

View Item View Item