KLASIFIKASI PENYAKIT MONKEYPOX BERDASARKAN LESI KULIT MENGGUNAKAN METODE CNN ARSITEKTUR RESNET-50

Saputra, Tommy Oktavianus (2023) KLASIFIKASI PENYAKIT MONKEYPOX BERDASARKAN LESI KULIT MENGGUNAKAN METODE CNN ARSITEKTUR RESNET-50. Diploma thesis, Universitas Multi Data Palembang.

Text Tommy Oktavianus Saputra 1923250031.pdf Download (2MB)

Abstract

Cacar merupakan penyakit kulit yang menyebabkan jerawat berisi cairan diseluruh tubuh dan mampu menimbulkan kematian dalam jumlah yang besar pada masanya. Cacar terdiri dari beberapa jenis, salah satunya dalam penelitian ini yaitu cacar monyet. Kasus wabah ini dikonfirmasi muncul pada bulan Mei 2022 di Inggris hingga 27 Juni 2022 WHO mendeklarasikan cacar monyet sebagai ancaman kesehatan yang berevolusi. Gejala cacar monyet ini menyebabkan demam, getah bening, dan lesi kulit. Sampai saat ini masih dilakukan studi lebih lanjut untuk memahami sumber infeksi, pola penularan dari cacar monyet. Dataset yang digunakan terdiri dari dua yaitu, dataset pertama berjumlah 3192 terdiri dari 2554 data training dan 638 data validasi. Dataset kedua berjumlah 770 sebagai data testing. Maka, penelitian ini dilakukan untuk mengklasifikasi cacar monyet terhadap bentuk lesi kulit menggunakan Convolutional Neural Network (CNN) arsitektur ResNet-50 dengan fungsi optimasi Adam. Hasil pengujian yang dilakukan menunjukkan akurasi terbaik dihasilkan pada pengujian skenario pertama terhadap data testing monkeypox yaitu sebesar 76.10%, sedangkan akurasi pengujian terendah dihasilkan pada skenario keempat sebesar 61.11%.

Actions (login required)

View Item