Skripsi

PERANCANGAN USER INTERFACE BERBASIS FRAMEWORK FLASK UNTUK DETEKSI COVID 19 PADA CITRA X-RAY PARU-PARU MENGGUNAKAN MODEL DEEP LEARNING

---

Penilaian

---

Covid-19 adalah virus pernapasan yang telah menjadi pandemi sejak tahun 2020. Metode deteksi Covid-19 dengan pencitraan medis dan deep learning telah terbukti menjadi solusi untuk diagnosis Covid-19. Namun, penelitian yang ada belum memanfaatkan dataset dari masyarakat Indonesia, khususnya dari kota Palembang. Dalam penelitian ini, dikembangkan model deep learning untuk deteksi Covid-19 dan user interface pengguna berupa website untuk memudahkan interaksi pengguna dengan model yang dirancang. Dataset yang digunakan berasal dari RSUP Dr. Rivai Abdullah, terdiri dari tiga kelas yaitu Covid-19, normal, dan TBC. Data sekunder dari website Kaggle digunakan sebagai penunjang pelatihan model. Total data yang digunakan adalah 10.000 data pelatihan dan 400 data pengujian. Pada penelitian ini ada empat arsitektur yang digunakan yaitu AlexNet, VGG-16, LeNet, dan arsitektur pengembangan dari LeNet. Hasil pelatihan masing-masing arsitektur adalah 96,99%, 99,77%, 93,08%, dan 92,12%, sedangkan hasil pengujian adalah 82,25%, 82,75%, 88,25%, dan 90,5%. Model hasil pelatihan etrsebut kemudian dideploy kedalam bentuk website dengan menggunakan framework flask untuk perancangan website sebagai API, sedangkan HTML dan CSS digunakan sebagai frontend. Fitur website terdiri dari tombol “pilih file” yang difungsikan untuk memilih citra yang ada pada device pengguna dan tombol submit untuk mengunggah citra ke website sehingga dapat di deteksi. Website yang dikembangkan diuji oleh ahli radiologi dalam penggunaan langsung oleh dokter radiologi, dengan hasil keberhasilan sebesar 80%. Kata kunci: Arsitektur, Covid-19, Deep Learning, Kota Palembang, Website

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2307002744	T115428	T1154282023	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T1154282023

Publisher

Indralaya : Jurusan Teknik Elektro, Fakultas Tenik, Universitas Sriwijaya., 2023

Collation

xiii, 52 hlm.; Ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

614.407

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Jurusan Teknik Elektro
Pengetahuan Covid-19

Specific Detail Info

-

Statement of Responsibility

PITRIA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment