<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="100934">
 <titleInfo>
  <title>APLIKASI MOBILE UNTUK PENDETEKSIAN PENYAKIT OSTEOARTHRITIS LUTUT BERBASIS DEEP LEARNING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>MUHAMMAD YUSUF KARDAWI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik (S1)</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Osteoarthritis adalah penyakit sendi degeneratif progresif yang ditandai dengan kerusakan pada tulang rawan sendi dan struktural sendi diarthrodial. Sekitar 80% pasien osteoarthritis akan mengalami keterbatasan dalam gerakan dan 25% tidak dapat melakukan aktifitas harian. Saat ini, tahapan diagnosa osteoarthritis adalah melalui pengamatan visual dari penyempitan celah sendi dan osteofit yang terdapat pada gambar sinar-X melalui pengamatan para ahli radiologi yang meninjau gambar sinar-X dan menilai tingkat keparahan gangguan. Namun demikian, tahapan diagnosa diatas membutuhkan waktu yang relatif lama dan ketelitian yang tinggi dari tenaga medis atau ahli radiologi. Penelitian ini mengusulkan sebuah CAD (Computer Aided Design) sebagai sistem pendukung untuk mendeteksi osteoarthritis lutut berdasarkan gambar Sinar-X dengan melalui teknik Deep Learning. Dalam perancangan CAD (Computer Aided Design) tersebut akan dilakukan evaluasi arsitektur terkait, termasuk ResNet, VGG, EfficientNet-B4, dan Inception V3 dalam membangun model prediktif menggunakan Convolutional Neural Network (CNN) yang berbasis aplikasi mobile dan komputasi sehingga mampu mengklasifikasi antara osteoarthritis lutut dan lutut normal dengan persentase hasil pengujian setiap arsitektur adalah ResNet sebesar 93.17%, VGG sebesar 95.26%, InceptionV3 sebesar 94.64% dan EfficientNet-B4 sebesar 96.59%.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>100934</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-06-21 12:51:29</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-06-21 15:54:03</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>