Sistem diagnosis penyakit ginjal berdasarkan Citra Ct-Radiography menggunakan Convolutional Neural Network (Cnn) Model Resnet-50

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Safira, Icha Dwi (2024) Sistem diagnosis penyakit ginjal berdasarkan Citra Ct-Radiography menggunakan Convolutional Neural Network (Cnn) Model Resnet-50. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Icha Dwi Safira_09020220033 OK.pdf Download (1MB)
	Text Icha Dwi Safira_09020220033 Full.pdf Restricted to Repository staff only until 5 February 2027. Download (2MB)

Abstract

Penyakit ginjal dialami oleh lebih dari 10% populasi global yang berjumlah lebih dari 800 juta individu pada tahun 2022. Pada tahun 2040, penyakit ginjal diperkirakan menjadi urutan ke-5 sebagai penyebab kematian utama. Penyakit ginjal paling umum yang dapat mengganggu fungsi ginjal diantaranya Renal Cell Carcinoma (tumor ginjal), kista ginjal, dan nefrolitiasis (batu ginjal). Sebelum dilakukan pengobatan, diagnosis penyakit ginjal penting dilakukan untuk menentukan jenis dan tingkat keparahan penyakit ginjal yang dialami oleh seorang pasien, salah satunya menggunakan citra Computer Tomography (CT) Radiography. Berdasarkan data citra yang diperoleh, terdapat data normal dan 3 jenis penyakit ginjal, yaitu kista, tumor, dan batu ginjal. Tujuan dari penelitian ini yaitu mengetahui performa Convolutional Neural Network (CNN) model ResNet-50 dalam mendiagnosis penyakit ginjal berdasarkan hasil klasifikasi penyakit ginjal. Hasil yang optimal pada penelitian ini diperoleh pada uji coba learning rate 0,001 dengan probabilitas dropout 0,1 dan jumlah mini batch size 32. Uji coba tersebut menghasilkan akurasi, sensitivitas, dan spesifisitas masing-masing 100%, 100%, dan 100% dengan waktu komputasi 15 jam 53 menit 34 detik. Hasil tersebut menunjukkan bahwa metode CNN model ResNet-50 mampu mendiagnosis penyakit ginjal dengan baik.

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:	Creators Email NIM Safira, Icha Dwi dwiicha04@gmail.com 09020220033
Contributors:	Contribution Name Email NIDN Thesis advisor Novitasari, Dian Candra Rini diancrini@uinsby.ac.id 2024118502 Thesis advisor Hakim, Lutfi lutfihakimbungah@gmail.com --
Subjects:	Kecerdasan Matematika
Keywords:	CNN; Penyakit ginjal; ResNet-50
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Icha Dwi Safira
Date Deposited:	05 Feb 2024 01:43
Last Modified:	05 Feb 2024 01:43
URI:	http://digilib.uinsa.ac.id/id/eprint/68012

Actions (login required)

View Item