IMPLEMENTASI PENGENALAN WAJAH UNTUK PENJADWALAN OPERASI PASIEN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

GUNAWAN, RIO (2020) IMPLEMENTASI PENGENALAN WAJAH UNTUK PENJADWALAN OPERASI PASIEN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). S1 thesis, UNIVERSITAS ATMA JAYA YOGYAKARTA.

[img]
Preview
Text (RIO GUNAWAN)
16 07 08967_0.pdf

Download (1MB) | Preview
[img]
Preview
Text
16 07 08967_1.pdf

Download (281kB) | Preview
[img]
Preview
Text
16 07 08967_2.pdf

Download (431kB) | Preview
[img]
Preview
Text
16 07 08967_3.pdf

Download (600kB) | Preview

Abstract

Rumah sakit merupakan organisasi kesehatan yang menyediakan sarana prasarana, pelayanan, perawatan, diagnosis, serta pengobatan kesehatan dengan melibatkan tenaga medis profesional. Keberadaan rumah sakit sebagai pusat kesehatan, membuat rumah sakit selain mengobati pasien juga harus mengutamakan keselamatan pasien agar dapat mengurangi insiden terhadap pasien. Salah satu insiden serius yang harus diperhatikan oleh rumah sakit adalah kelalaian saat mengidentifikasi pasien yang akan dioperasi. Agar kelalaian tersebut dapat dikurangi maka diperlukan tambahan komponen identifikasi pasien selain menggunakan nama dan nomor pasien. Penelitian ini memberikan solusi berupa identifikasi menggunakan wajah. Pengenalan wajah oleh mesin dapat dibuat dengan menggunakan metode Convolutional Neural Network (CNN). CNN merupakan salah satu metode Deep Learning yang digunakan untuk mendeteksi dan mengenali objek pada sebuah gambar. Pada penelitian ini, pengenalan wajah dilakukan dengan menggunakan pretrain model VGGFace2 dengan arsitektur modelnya adalah SeNet 50. Dataset dikumpulkan dengan menerapkan One Shot Learning atau Single Sample Per Person (SSPP). Hasil dari penerapan model CNN ke dalam sistem penjadwalan operasi pasien dibagi menjadi dua kategori yaitu pendaftaran pasien dan verifikasi pasien. Pendaftaran dilakukan dengan minimum distance 0.35 dan melakukan pencocokan data dengan seluruh database, sedangkan verifikasi pasien menggunakan minimum distance 0.28 dan hanya melakukan pencocokan terhadap wajah yang bersangkutan. Akurasi pada saat melakukan pendaftaran pasien adalah 90% sampai 100%, sedangkan pada saat melakukan verifikasi pasien, akurasi yang diperoleh adalah 100%.

Item Type: Thesis (S1)
Uncontrolled Keywords: Deep Learning, Verifikasi wajah, Pengenalan Wajah, Identifikasi Wajah, SeNet 50 VGGFace2.
Subjects: Teknik Informatika > Soft Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Depositing User: Editor UAJY
Date Deposited: 05 Nov 2021 14:21
Last Modified: 05 Nov 2021 14:21
URI: http://e-journal.uajy.ac.id/id/eprint/25229

Actions (login required)

View Item View Item