Klasifikasi Penyakit Tuberkulosis Berdasarkan Citra Paru-Paru Manusia Menggunakan Metode Logistic Regression (LR) dan Support Vector Machine (SVM)

BOWO, IWAN TRI and LESTARI, SRI (2022) Klasifikasi Penyakit Tuberkulosis Berdasarkan Citra Paru-Paru Manusia Menggunakan Metode Logistic Regression (LR) dan Support Vector Machine (SVM). Masters thesis, Institut Informatika dan Bisnis Darmajaya.

	Text Abstract.pdf Download (278kB)
	Text BAB I.pdf Download (20kB)
	Text BAB III.pdf Download (92kB)
	Text BAB II.pdf Download (341kB)
	Text BAB IV.pdf Download (384kB)
	Text BAB V.pdf Download (31kB)
	Text Daftar Isi.pdf Download (247kB)
	Text Cover.pdf Download (380kB)
	Text Daftar Isi2.pdf Download (337kB)
	Text DAFTAR PUSTAKA.pdf Download (118kB)
	Text Halaman Pengesahan.pdf Download (295kB)
	Text Halaman Pernyataan.pdf Download (193kB)
	Text Halaman Persembahan.pdf Download (152kB)
	Text Halaman Persembahan.pdf Download (152kB)
	Text Halaman Persetujuan.pdf Download (354kB)

Abstract

Tuberkulosis (TB) merupakan penyakit menular langsung yang disebabkan oleh infeksi bakteri Mycobacterium tuberculosis. Menurut World Health Organization (WHO) Sebanyak 5,8 juta pada tahun 2020 angka tersebut turun sebesar 18% dari sebelumnya pada tahun 2019 yaitu 7,9 Juta. Dan di Indonesia pada tahun 2021 pasien TBC mencapai 845.000 angka tersebut membawa Indonesia menjadi Negara ke 2 dengan angka pasien TBC terbanyak setelah India. Untuk dapat mengatasi masalah tersebut sudah banyak penelitian dalam bidang ilmu computer. penelitian ini bertujuan menghasilkan akurasi yang lebih baik dari penelitian sebelumnya. Dataset yang digunakan pada penelitian ini berjumlah 4200 Citra Rontgen paru-paru manusia yang terbagi menjadi 2 kategori yaitu 3500 Citra Rontgen paru-paru normal dan 700 Citra Rontgen paru-paru TBC. Teknik pengambilan sampel yang digunkan yaitu Cross Validation dengan K-Fold 2 yang akan diuji menggunakan metode Logistic Regression (LR) dan Support Vector Machine (SVM). Hasil dari eksperimen pertama menunjukan akurasi 98,5% dengan metode Logistic Regression dan hasil eksperimen kedua menunjukan hasil akurasi 99%. Dan nilai AUC dari kedua metode tersebut menunjukan hasil yang sama yaitu 99,7%, performa yang sangat baik sekali termasuk dalam kategori Excelent Clasification.

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	M.TI ITB IWAN TRI BOWO
Date Deposited:	03 Feb 2023 08:14
Last Modified:	03 Feb 2023 08:14
URI:	http://repo.darmajaya.ac.id/id/eprint/10526

Actions (login required)

View Item