Browsing by Author "DHITA DIANA DEWI"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Deteksi Penyakit COVID-19 Berdasarkan Citra X-Ray Dada Menggunakan Convolutional Neural Network dengan Transfer Learning Method
    (2022-05-21) DHITA DIANA DEWI; Jadi Suprijadi; Anindya Apriliyanti Pravitasari
    Penyakit COVID-19 adalah penyakit menular akut yang disebabkan oleh virus corona jenis baru. Penyakit ini menyerang sistem pernapasan secara akut dengan gejala seperti demam, kelelahan, batuk kering dan sesak napas. Gejala lainnya dapat berupa nyeri otot, produksi dahak, diare, dan sakit tenggorokan. Salah satu metode untuk mendeteksi COVID-19 adalah dengan menganalisis citra X-ray dada. Kelebihan dari penggunaan analisis citra X-ray dada adalah dapat menggambarkan paru-paru sepenuhnya serta lebih menghemat waktu dan biaya. Kelemahan dari analisis yang dilakukan oleh ahli radiologi adalah COVID-19 memiliki beberapa ciri-ciri yang mirip dengan pneumonia, sehingga menyulitkan ahli radiologi dalam membedakan COVID-19 dan pneumonia. AI yang menggunakan metode deep learning memainkan peran penting dalam bidang citra medis karena kemampuan fitur ekstraksinya yang sangat baik. Kelebihan dari deep learning adalah dapat menganalisis data yang banyak dengan lebih akurat dan cepat, sehingga dapat mengurangi kesalahan dalam mendeteksi. Dengan teknik klasifikasi citra menggunakan input citra X-ray dada dapat diperoleh prediksi penyakit COVID-19 yang diderita pasien. Metode klasifikasi yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur AlexNet, GoogLeNet, ResNet-50, dan VGG-16. ResNet-50 menunjukkan performa paling tinggi untuk metric akurasi yaitu 92% sedangkan AlexNet, GoogLeNet, dan VGG-16 masing-masing memiliki akurasi 80%, 90% dan 88%. Untuk 3 metric yang lain yaitu sensitivitas, spesifisitas dan KAI, ResNet-50 juga memiliki nilai paling tinggi, disusul oleh GoogLeNet, VGG-16 dan AlexNet. Dengan demikian,urutan performa arsitektur tersebut adalah ResNet-50, GoogLeNet, VGG-16, dan AlexNet.
  • No Thumbnail Available
    Item
    Identifikasi Kontribusi Kategori Indikator Kematian Bayi untuk Setiap Kecamatan Menggunakan Multiple Correspondence Analysis
    (2020-01-22) DHITA DIANA DEWI; Irlandia Ginanjar; Titi Purwandari
    Angka kematian bayi (AKB) merupakan salah satu indikator yang sangat sensitif untuk mengetahui gambaran tingkat permasalahan kesehatan masyarakat. Indikator ini sangat penting untuk mengetahui penyebab kematian sekaligus sejauh mana keberhasilan program kesehatan ibu dan anak. Selama ini, penanganan yang dilakukan dalam menghadapi kasus kematian bayi sama untuk setiap kecamatan di Kota Bandung, padahal setiap kecamatan memiliki karakteristik yang berbeda. Penelitian ini bertujuan untuk mengetahui karakteristik penyebab kematian bayi berdasarkan kelompok usia dan kecamatan di Kota Bandung menggunakan multiple correspondence analysis (MCA). Uji signifikansi kontribusi antar kategori terhadap variabel-variabel kualitatif dibutuhkan, karena dalam pengambilan kebijakan dari kategori-kategori yang memberikan kontribusi signifikan akan lebih valid. Penelitian ini akan mengkaji uji asosiasi kontribusi kategori terhadap variabel kualitatif yang diperoleh berdasarkan koordinat utama dari Burt matrix dengan perhitungan Eigen Value Decomposition (EVD). Hasil kajian kritis didapatkan 8 variabel kualitatif yang menjadi indikator kematian bayi. Hasil uji chi-square menunjukkan bahwa terdapat dependensi antara penyebab kematian, kelompok usia, dan kecamatan di Kota Bandung. Output yang diperoleh memperlihatkan hasil perhitungan uji signifikansi kontribusi kategori terhadap variabel-variabel kualitatif. Studi kasus memperlihatkan semua kategori penelitian memberikan kontribusi yang signifikan terhadap asosiasi antar variabel kualitatif, sehingga semua kategori yang diteliti layak untuk diperhatikan sebagai dasar pengambilan kebijakan.