Sistem diagnosis ostheoarthritis lutut berdasarkan citra x-ray menggunakan metode cnn jenis resnet

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Hidayah, Nur (2023) Sistem diagnosis ostheoarthritis lutut berdasarkan citra x-ray menggunakan metode cnn jenis resnet. Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Nur Hidayah_H92219055.pdf

Download (10MB)

Abstract

Osteoarthritis lutut (OA Lutut) merupakan penyakit sendi yang paling banyak menyumbang angka kecacatan pada usia lanjut. OA lutut ini dapat didiagnosis, salah satunya adalah dengan menggunakan citra x-ray. Berdasarkan data tersebut OA lutut dapat dibedakan menjadi lima tingkatan, yaitu grade 0, grade 1, grade 2, grade 3, dan grade 4. Penelitian ini bertujuan untuk mendiagnosis masing-masing tingkatan pada OA lutut menggunakan salah satu metode deep learning yaitu Convolutional neutral network jenis ResNet-50. Pada penelitian ini hasil optimal diperoleh pada data yang telah dilakukan augmentasi dengan pembagian data menggunakan k-fold cross validation. Jumlah batch size yang digunakan untuk mendapatkan hasil optimal yaitu sebanyak 32. Pada uji coba tersebut, secara berturut-turut nilai sensitivitas, akurasi, dan spesificitas yang didapatkan adalah 99,61%, 99.54%, dan 99,89%. Hasil tersebut diharapkan mampu menjadi alternatif dalam melakukan diagnosis Osteoarthritis lutut

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Hidayah, Nurmailto:nh88611@gmail.comH92219055
Contributors:
ContributionNameEmailNIDN
Thesis advisorNovitasari, Dian Candra Rinidiancrini@uinsby.ac.id2024118502
Thesis advisorFanani, Arisarisfa@uinsby.ac.id2027018701
Subjects: Komputer
Matematika
Keywords: Citra x-ray; deep learning; CNN; ostheoarthritis lutut; residual network
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Nurul Fitriyah
Date Deposited: 17 May 2023 03:18
Last Modified: 17 May 2023 03:18
URI: http://digilib.uinsa.ac.id/id/eprint/62574

Actions (login required)

View Item View Item