DEEP PRE-TRAINED MULTI MODEL CONVOLUTION NEURAL NETWORK UNTUK DIAGNOSA COVID 19 PADA CITRA RONTGEN DADA

  • Faishol Amrulloh M
  • Moch. Lutfi
  • Agung Nurcahyo W
N/ACitations
Citations of this article
19Readers
Mendeley users who have this article in their library.

Abstract

Covid-19 merupakan penyakit yang sedang mewabah di berbagai belahan dunia termasuk Indonesia. Penyakit ini menginfeksi saluran pernapasan yang disebabkan oleh jenis virus corona baru. Untuk mengetahui adanya virus covid-19 di dalam tubuh dapat dilakukan pemeriksaan medis seperti cek darah, pemeriksaan radiologi rontgent (x-ray) dan swab. Penelitian ini melakukan identifikasi penyakit covid-19 berdasarkan citra rontgen dengan metode yang diusulkan model convolution neural network yang mampu menghasilkan performa paling baik dalam mendeteksi penyakit. Pengujian dilakukan dengan menggunakan empat pre-trained ensemble model yang telah disediakan oleh Keras yaitu VGGNet, GoogleNet, DenseNet, dan  NASNet tingkat akurasi training  yang dihasilkan adalah 97% dan akurasi validasi yang dihasilkan adalah 85% akan tetapi  metode yang diusulkan pada penelitian ini waktu komputasi yang dihasilkan sangat baik yaitu 0 detik dari hasil tersebut dapat simpulkan metode penggabungan (ensemble) ini sangat baik jika diimplementasikan terhadap data penelitian yang digunakan.

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Cite

CITATION STYLE

APA

Faishol Amrulloh, M., Moch. Lutfi, & Agung Nurcahyo, W. (2022). DEEP PRE-TRAINED MULTI MODEL CONVOLUTION NEURAL NETWORK UNTUK DIAGNOSA COVID 19 PADA CITRA RONTGEN DADA. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 649–654. https://doi.org/10.36040/jati.v6i2.5564

Readers' Seniority

Tooltip

Lecturer / Post doc 4

100%

Readers' Discipline

Tooltip

Arts and Humanities 3

75%

Computer Science 1

25%

Save time finding and organizing research with Mendeley

Sign up for free