Literature Review Artificial Intelligence Deteksi Hasil Ctscan Paru-Paru Pasien Terjangkit COVID-19

  • Sadly Syamsuddin
  • Kalfin Alloto'dang
  • Risnayanti Andi Djamro
  • et al.
N/ACitations
Citations of this article
40Readers
Mendeley users who have this article in their library.

Abstract

Penyakit Virus Corona 19 (COVID-19) merupakan penyakit menular yang disebabkan oleh virus corona yang baru-baru ini ditemukan. Saat ini COVID-19 menjadi fenomena permasalahan untuk kita semua namun hingga sekarang belum ada obat yang ditemukan ampuh dalam mengatasinya. Persoalan lain adalah pada proses pendeteksian orang terjangkit. Hasil pendeteksian Covid-19 menggunakan PCR Swap masih dianggap sangat lambat dan menggunakan Rapid Tes bahkan dianggap kurang meyakinkan dengan melihat beberapa kasus yang ada sebelumnya. Tujuan penelitian ini untuk pendeteksian orang terjangkit COVID-19 lebih cepat dengan tingkat akurasi yang tinggi menggunakan metode Artificial Intelligence yang lebih khusus menggunakan Deep Learning arsitektur Convolutional Neural Network (CNN). Metode penelitian yang digunakan adalah literature review, dimana artikel dikumpulkan dan diproses menggunakan aplikasi mendeley, kriteria artikel yang digunakan adalah yang diterbitkan tahun 2020 yang berkaitan dengan penanganan COVID-19 khususnya yang memanfaatkan Artificial Intelligence dalam pembahasannya. Dengan mengumpulkan dan membahas beberapa penelitian yang ada maka dapat dikatakan bahwa dengan menggunakan Artificial Intelligence sistem dapat mendeteksi terjangkitnya seseorang melalui analisa pola yang ada pada hasil CT Scan Paru dengan memanfaatkan tingkat akurasi data latih yang ada.

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Cite

CITATION STYLE

APA

Sadly Syamsuddin, Kalfin Alloto’dang, Risnayanti Andi Djamro, & Ahyuna. (2021). Literature Review Artificial Intelligence Deteksi Hasil Ctscan Paru-Paru Pasien Terjangkit COVID-19. Jurnal Pendidikan Indonesia, 2(3), 502–516. https://doi.org/10.36418/japendi.v2i3.120

Readers' Seniority

Tooltip

PhD / Post grad / Masters / Doc 1

100%

Readers' Discipline

Tooltip

Computer Science 4

50%

Engineering 2

25%

Nursing and Health Professions 1

13%

Agricultural and Biological Sciences 1

13%

Save time finding and organizing research with Mendeley

Sign up for free