http://eprints.unpak.ac.id/id/eprint/11233 2026-10-22T02:23:36Z info:eu-repo/semantics/descriptiveMetadata http://eprints.unpak.ac.id/11233/ Diagnosa Penyakit Paru-Paru Berbasis Data Magnetic Resonance Imaging (MRI) Menggunakan Metode Convolutional Neural Network (CNN) Transfer Learning Ramadhan, Dimas Ilmu Komputer Diagnosa Penyakit Paru-Paru Berbasis Data Magnetic Resonance Imaging (MRI) Menggunakan Metode Convolutional Neural Network (CNN) Transfer Learning. Dibawah bimbingan Dr. Eneng Tita Tosida, S.Tp., M. Si dan Dinar Munggaran A., S. Kom., M. Kom. Diagnosa penyakit paru-paru secara akurat sangat penting dalam diagnosis dan perawatan medis. Metode konvensional yang digunakan untuk mendiagnosis Penyakit paru-paru sering kali memerlukan keterlibatan ahli radiologi yang berpengalaman dan memakan waktu. Selain itu, tingkat kesalahan dalam interpretasi citra MRI dapat mempengaruhi hasil diagnosis. Oleh karena itu, diperlukan suatu metode yang dapat secara otomatis dan akurat mengklasifikasikan penyakit untuk membantu proses diagnosis. Dalam penelitian ini, penulis mengembangkan sistem Diagnosa Penyakit Paru�Paru Berbasis Data Magnetic Resonance Imaging (MRI) Menggunakan Metode Convolutional Neural Network (CNN) Transfer Learning. Dua model CNN yang digunakan adalah MobileNetV2 dan DenseNetV2, yang diterapkan pada citra MRI untuk mengklasifikasikan citra MRI penyakit paru-paru. Hasil penelitian menunjukkan bahwa kedua model, MobileNetV2 dan DenseNetV2, mampu mengklasifikasikan tumor otak dengan akurasi yang tinggi. Meskipun kedua model menunjukkan performa yang baik, MobileNetV2 sedikit lebih unggul dalam hal akurasi, sementara DenseNetV2 lebih efisien dalam kecepatan dan penggunaan sumber daya. 2025-07-13 Thesis NonPeerReviewed Ramadhan, Dimas (2025) Diagnosa Penyakit Paru-Paru Berbasis Data Magnetic Resonance Imaging (MRI) Menggunakan Metode Convolutional Neural Network (CNN) Transfer Learning. Skripsi thesis, Universitas Pakuan. info:eu-repo/semantics/humanStartPage