Klasifikasi COVID-19 Berdasarkan Citra Chest X-Ray Posterior-Anterior Menggunakan Model Prototypical Network dengan Arsitektur Backbone DenseNet

WARDANA, Handhika Pranata Kusuma (2025) Klasifikasi COVID-19 Berdasarkan Citra Chest X-Ray Posterior-Anterior Menggunakan Model Prototypical Network dengan Arsitektur Backbone DenseNet. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (52kB)
	Text 3, HALAMAN PENGESAHAN I.pdf Download (182kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (236kB)
	Text 5. KATA PENGANTAR.pdf Download (73kB)
	Text 6. ABSTRAK.pdf Download (8kB)
	Text 7. ABSTRACT.pdf Download (6kB)
	Text 8. DAFTAR ISI.pdf Download (128kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (96kB)

Abstract

ABSTRAK
COVID-19, penyakit yang disebabkan oleh SARS-CoV-2, telah menjadi perhatian serius
dalam bidang kesehatan global, khususnya terkait pengembangan metode diagnosis yang
cepat dan akurat. Penelitian ini mengusulkan implementasi model Prototypical Network
dengan arsitektur backbone DenseNet169 untuk klasifikasi citra chest X-ray Posterior
Anterior, yang berfokus pada empat kategori utama: Normal, Pneumonia-Bacterial,
Pneumonia-Viral, dan COVID-19. Pendekatan ini memanfaatkan metode Few-Shot
Learning (FSL), yang dirancang untuk menangani keterbatasan data berkualitas tinggi, serta
mengoptimalkan performa melalui tuning hyperparameter menggunakan Optuna.
Eksperimen yang dilakukan menunjukkan hasil yang menjanjikan dengan akurasi mencapai
92%, precision 92%, recall 91%, dan F1-score 90%, menegaskan efektivitas kombinasi
Prototypical Network dan DenseNet169 dalam menangani klasifikasi citra medis. Selain itu,
teknik augmentasi data digunakan untuk memperluas variasi citra, memperbaiki kestabilan
model, dan meningkatkan generalisasi. Studi ini berhasil memberikan kontribusi signifikan
dalam pengembangan teknologi berbasis deep learning, terutama untuk mendukung
diagnosis COVID-19 secara efisien, cepat, dan akurat di wilayah dengan keterbatasan
sumber daya. Hasil penelitian ini memperkuat potensi aplikasi model berbasis deep learning
dalam klasifikasi citra medis untuk memfasilitasi keputusan medis yang lebih tepat.
Kata kunci: Arsitektur Backbone, Citra Chest X-ray, COVID-19, Klasifikasi, Prototypical
Network

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	30 Oct 2025 02:15
Last Modified:	30 Oct 2025 02:15
URI:	https://eprints2.undip.ac.id/id/eprint/40427

Actions (login required)

View Item

Search for collections on Undip Repository