Informasi Umum

Kode

24.04.806

Klasifikasi

004 - Data processing, Computer science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing - Computer Vision

Informasi Lainnya

Abstraksi

<h3 align="left">Abstrak</h3>

<p style="margin-left:11.75pt;"><strong>Penelitian ini membahas penerapan teknik Deep Convolutional Generative Adversarial Network (DCGAN) dalam klasifikasi pneumonia pada citra sinar-X paru-paru. Penelitian dilengkapi dengan penemuan hyperparameter menggunakan algoritma genetika (GA) untuk meningkatkan kinerja DCGAN. Abstrak ini menjelaskan latar belakang permasalahan pneumonia, mengapa penerapan DCGAN menjadi penting, dan bagaimana GA digunakan untuk menemukan hyperparameter optimal. Keunggulan dari penelitian ini adalah meningkatkan akurasi klasifikasi menjadi 98%, dengan nilai fitness mencapai 99%, dibandingkan dengan kondisi sebelumnya tanpa menggunakan GA. Hasil ini membuktikan kontribusi signifikan algoritma genetika dalam mengoptimalkan kinerja model DCGAN. Penelitian ini tidak hanya mengidentifikasi permasalahan dalam deteksi pneumonia melalui citra sinar- X, tetapi juga menyajikan solusi efektif menggunakan teknologi DCGAN dan algoritma genetika. Dengan fokus pada peningkatan akurasi dan fitness, penelitian ini memberikan kontribusi pada pengembangan sistem deteksi penyakit paru-paru berbasis citra dengan pendekatan inovatif.</strong></p>

<p> </p>

<p style="margin-left:11.75pt;"><strong>Kata kunci: Pneumonia, <em>Deep Convolutional Generative Adversarial Network</em>, Algoritma Genetika</strong></p>

<p> </p>

<h3 align="left">Abstract</h3>

<p style="margin-left:11.9pt;"><strong>This research discusses the application of Deep Convolutional Generative Adversarial Network (DCGAN) technique in pneumonia classification on lung X-ray images. The research is complemented with hyperparameter discovery using genetic algorithm (GA) to improve the performance of DCGAN. This abstract explains the background of the pneumonia problem, why the application of DCGAN is important, and how GA is used to find the optimal hyperparameters. The advantage of this research is that it increases the classification accuracy to 98%, with a fitness value reaching 99%, compared to the previous condition without using GA. This result proves the significant contribution of genetic algorithms in optimizing the performance of the DCGAN model. This research not only identifies problems in pneumonia detection through X-ray images, but also presents effective solutions using DCGAN technology and genetic algorithms. With a focus on improving accuracy and fitness, this research contributes to the development of image-based lung disease detection systems with innovative approaches.</strong></p>

<p> </p>

<p style="margin-left:11.9pt;"><strong>Keywords: Pneumonia, <em>Deep Convolutional Generative Adversarial Network, Genetics Algorithm</em></strong></p>

• CII4E4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook